Il prossimoProssima guida
Discesa gradiente stocastica con quantità di moto
Fondamenti
GUIDA AI FONDAMENTALI
Il dropout è un trucco di regolarizzazione che spegne casualmente una frazione di neuroni durante ogni fase di addestramento, costringendo la rete a costruire rappresentazioni ridondanti e robuste.
Ascolta questa guidaNarrato dall'IA · ~2 min
È diventata una delle tecniche più influenti per combattere l’overfitting nel deep learning.
Introdotto dal gruppo di Hinton intorno al 2012, il dropout risolve un punto debole delle reti di grandi dimensioni: i neuroni possono coadattarsi, imparando a correggere gli errori reciproci in modi che funzionano solo sui dati di addestramento. Ad ogni passaggio in avanti durante l'allenamento, il dropout imposta casualmente l'output di ciascun neurone su zero con una certa probabilità p (spesso 0,5 negli strati densi). Dato che qualsiasi neurone potrebbe svanire, la rete non può appoggiarsi a partenariati fragili e deve diffondere informazioni utili tra molte unità. Ciò funziona come se si addestrasse un enorme insieme di reti sottili che condividono i pesi. Al momento del test l'abbandono viene disattivato e viene utilizzata l'intera rete, con attivazioni dimensionate in modo che il risultato atteso corrisponda all'addestramento. Il risultato è in genere una migliore generalizzazione al costo di un addestramento leggermente più lungo.
Aggiunta di un livello Dropout con p intorno a 0,5 tra strati densi di un classificatore di immagini o testo in PyTorch o Keras
Modelli di trasformazione che applicano l'abbandono ai pesi dell'attenzione e alle attivazioni feed-forward durante il pre-allenamento
Dropout Monte Carlo, dove il dropout rimane attivo durante l'inferenza per produrre stime di incertezza per previsioni mediche o critiche per la sicurezza
Profondità stocastica (DropPath) che salta casualmente i blocchi residui per regolarizzare reti molto profonde come ResNet e trasformatori di visione
Nelle reti di visione convoluzionale, la normalizzazione batch ha ampiamente sostituito il dropout standard, ma le varianti prosperano altrove: i trasformatori applicano il dropout agli strati di attenzione e feed-forward, e DropPath (profondità stocastica) rilascia interi blocchi residui. Il dropout Monte Carlo, che mantiene attivo il dropout durante l'inferenza, viene utilizzato per stimare l'incertezza del modello. Ci si aspetta che la regolarizzazione stocastica rimanga un toolkit flessibile, adattato per architettura piuttosto che un’unica ricetta fissa.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Il dropout è un trucco di regolarizzazione che spegne casualmente una frazione di neuroni durante ogni fase di addestramento, costringendo la rete a costruire rappresentazioni ridondanti e robuste. È diventata una delle tecniche più influenti per combattere l’overfitting nel deep learning.
Il dropout azzera casualmente ciascun neurone con probabilità p durante l'addestramento, quindi ad ogni passaggio viene utilizzata una sottorete ridotta diversa.
Rimuovendo casualmente le unità, il dropout impedisce ai neuroni di formare partenariati fragili che funzionano solo sui dati di addestramento, migliorando la robustezza.
In base all'inferenza, l'intera rete viene eseguita con l'abbandono disabilitato e le attivazioni vengono ridimensionate in modo che i risultati attesi corrispondano alla distribuzione della formazione.
Con p = 0,5 ogni neurone ha una probabilità del 50% di essere azzerato, quindi in media circa la metà viene eliminata per ogni passaggio in avanti.
Campionando una sottorete diversa, ogni passaggio si avvicina alla media su un numero esponenziale di reti a peso condiviso, una forma di insieme economico.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Discesa gradiente stocastica con quantità di moto
Fondamenti