Als nächstesNächster Leitfaden
Regularisierung
Grundlagen
Grundlagen-Leitfaden
Gewichtsabnahme und L2-Regularisierung
Der Gewichtsabfall ist eine einfache, leistungsstarke Technik, die die Gewichte eines Modells während des Trainings gegen Null verschiebt und es so davon abhält, sich zu stark auf eine einzelne Funktion zu verlassen.
Hören Sie sich diesen Leitfaden anKI-erzählt · ~2 min
Auf dieser Seite2 Minuten gelesen
Übersicht
It reduces overfitting and is one of the most widely used regularizers in deep learning.
Tiefer Einblick
Wenn ein Modell trainiert, kann es sich an Rauschen in den Daten orientieren, indem es große, fein abgestimmte Gewichte erzeugt, die perfekt zum Trainingssatz passen, sich aber schlecht verallgemeinern lassen. Die L2-Regularisierung bekämpft dies, indem sie der Verlustfunktion eine Strafe hinzufügt, die proportional zur Summe der quadrierten Gewichte ist. Der Optimierer hat nun zwei Ziele: die Daten anzupassen und die Gewichte klein zu halten, damit er sich auf glattere, robustere Lösungen einlässt. Gewichtsverfall ist die eng verwandte Idee, jedes Gewicht bei jedem Aktualisierungsschritt um einen kleinen Bruchteil zu verkleinern. Beim einfachen Gradientenabstieg sind die beiden mathematisch äquivalent, aber bei adaptiven Optimierern wie Adam unterscheiden sie sich, weshalb AdamW eingeführt wurde, um den Zerfall von der Gradienten-basierten Aktualisierung zu entkoppeln und dafür zu sorgen, dass sie sich korrekt verhält.
Reale Umsetzung
Hinzufügen von „weight_decay“ im AdamW- oder SGD-Optimierer von PyTorch beim Training von Bildklassifikatoren, um eine Überanpassung einzudämmen
Optimieren des Lambda-Koeffizienten in der Ridge-Regression, dem klassischen L2-bestraften linearen Modell, um Vorhersagen für korrelierte Merkmale zu stabilisieren
Rezepte für das Vortraining großer Sprachmodelle, die einen geringen Gewichtsabfall (häufig um 0,1) neben einem Lernratenplan festlegen
Durch die Kombination von Gewichtsabnahme mit Datenerweiterung und -ausfall wird verhindert, dass sich ein kleines Modell für die medizinische Bildgebung begrenzte Trainingsscans merkt
Die Zukunft des Gewichtsverlusts und der L2-Regularisierung
Gewichtsabnahme bleibt ein Standardbestandteil in Trainingsrezepten für große Sprachmodelle und Vision-Transformatoren, und AdamW ist jetzt der Standardoptimierer für sie. Die Forschung untersucht weiterhin, wie der Zerfall mit Lernratenplänen, Normalisierungsebenen und der Modellskala interagiert, da sich seine effektive Stärke ändert, wenn die Modelle wachsen. Erwarten Sie mit zunehmender Reife der automatisierten Hyperparametersuche und der Skalierungsgesetzstudien eine prinzipiellere, möglicherweise schichtweise oder zeitplanbewusstere Zerfallsoptimierung.
In die Tat umsetzen
Warum es wichtig ist
- Klarere Entscheidungen. Es hilft Ihnen, klare technische Aussagen von der Marketingsprache zu trennen.
- Kosten und Budget. Sie können bessere Fragen zur Implementierung stellen, bevor Sie Geld oder Zeit investieren.
- Team und Arbeitsablauf. Teams mit gemeinsamem Verständnis treffen bessere Produkt-, Richtlinien- und Lernentscheidungen.
Achten Sie auf
- Unterschiedliche Teams verwenden denselben Begriff möglicherweise unterschiedlich. Definieren Sie daher frühzeitig den Geltungsbereich.
- Benchmarks können stark aussehen, während die tatsächliche Leistung uneinheitlich ist.
- Das Ignorieren von Datenqualität und Evaluierungsplänen führt oft zu fragilen Ergebnissen.
Nächste Schritte
- Beginnen Sie mit einer klaren Definition des gewünschten Ergebnisses.
- Wählen Sie vor dem Testen eine Erfolgsmetrik und eine Fehlerbedingung aus.
- Führen Sie ein kleines Pilotprojekt mit repräsentativen Daten durch, nicht mit einem ausgefeilten Demoset.
- Dokumentieren Sie, wo Gewichtsabnahme und L2-Regularisierung hilfreich sind und wo einfachere Methoden besser sind.
Entdecken Sie weiter
Kostenloser Newsletter
Erhalten Sie die tägliche KI-Briefing
Drei verifizierte KI-Geschichten jeden Werktagmorgen, in einfachem Englisch geschrieben. Für immer kostenlos, keine Werbung.
Eine E‑Mail jeden Werktag. Abmelden mit einem Klick. Wir verkaufen oder teilen Ihre Adresse nie.
Testen Sie sich selbst
Take the Weight Decay and L2 Regularization quiz
Sofortiges Feedback zu jeder Antwort und ein teilbares Zertifikat mit verifizierbarer ID, sobald Sie einen Kurs bestanden haben.
Unterstützen Sie kostenlose KI-Bildung. AI Understanding ist eine 501(c)(3) gemeinnützige Organisation – keine Werbung, keine Paywall, nie. Machen Sie eine Spende
Häufig gestellte Fragen
What is Weight Decay and L2 Regularization?
Der Gewichtsabfall ist eine einfache, leistungsstarke Technik, die die Gewichte eines Modells während des Trainings gegen Null verschiebt und es so davon abhält, sich zu stark auf eine einzelne Funktion zu verlassen. Es reduziert Überanpassung und ist einer der am häufigsten verwendeten Regularisierer beim Deep Learning.
Was trägt die L2-Regularisierung zur Verlustfunktion bei?
Die L2-Regularisierung addiert das Lambda-fache der Summe der quadrierten Gewichte, wodurch große Gewichte bestraft werden und kleinere, glattere Lösungen gefördert werden.
Was ist das Hauptproblem, das durch Gewichtsabnahme verhindert werden kann?
Indem die Gewichte klein gehalten werden, hindert die Gewichtsabnahme das Modell daran, Rauschen anzupassen, wodurch die Generalisierung auf neue Daten verbessert wird.
In welche Richtung verschiebt der Gewichtsabfall die Gewichte des Modells?
Der Gewichtsabfall schrumpft die Gewichte bei jeder Aktualisierung gegen Null, weshalb er manchmal als „Verfall“ der Gewichte beschrieben wird.
Warum wurde AdamW eingeführt?
In Adam interagiert die Faltung von L2 in den Verlust schlecht mit der Skalierung pro Parameter; AdamW wendet den Zerfall separat an, um die beabsichtigte gleichmäßige Schrumpfung wiederherzustellen.
Wie hängen L2-Regularisierung und Gewichtsabfall beim einfachen stochastischen Gradientenabstieg zusammen?
Bei einfachem SGD führt das Hinzufügen einer L2-Strafe zum Verlust zu derselben Aktualisierung wie eine direkte Verkleinerung der Gewichte, sodass beide gleichwertig sind.
Lerne weiter
Verwandte Leitfäden
Weitere Leitfäden zu diesem Thema ausgewählt