Imọ Itọsọna
Gidigidi Clipping
Aabo ti o rọrun, ti a lo ni ibigbogbo ti o fi bi awọn imudojuiwọn gradient nla ṣe le gba lakoko ikẹkọ.
Gbọ si itọsọna yiiAI-ṣe afihan · ~2 min
Lori iwe yi2 min ka
Akopọ
O ṣe idiwọ imudojuiwọn nla kan lati ṣe ibajẹ tabi pa awoṣe run, paapaa ni awọn awoṣe loorekoore ati ede.
Jin Dive
Gidigidi gige fi opin si iwọn gradient ṣaaju ki oluṣapeye to lo. Fọọmu ti o wọpọ julọ jẹ agekuru-nipasẹ-iwuwasi: o ṣe iṣiro apapọ iwuwasi L2 ti gbogbo awọn gradients, ati pe ti o ba kọja iloro ti a yan, o ṣe iwọn gbogbo gradient si isalẹ nipasẹ ifosiwewe kanna nitorina iwuwasi dọgba ala. Eyi ṣe itọju itọsọna imudojuiwọn lakoko ti o dinku titobi rẹ. Iyatọ ti o rọrun, agekuru-nipasẹ-iye, o kan di paati kọọkan gradient sinu iwọn ti o wa titi bi [-5, 5], ṣugbọn o le yi itọsọna imudojuiwọn pada. Agekuru jẹ pataki ni awọn RNNs ati LSTM, nibiti awọn gradients exploding jẹ wọpọ, ati pe o jẹ eroja ti o sunmọ-gbogbo ni ikẹkọ awọn awoṣe ede nla, nibiti awọn ipele buburu lẹẹkọọkan tabi awọn ami-ami to ṣọwọn le bibẹẹkọ gbejade awọn spikes pipadanu ati awọn NaNs.
Real-World imuse
Ikẹkọ LSTM kan fun iran ọrọ, ẹlẹrọ ṣeto clipnorm=1.0 nitoribẹẹ awọn ipele bugbamu ṣọwọn ko ba ikẹkọ jẹ.
Idanileko awoṣe ede ti o tobi n ṣiṣẹ ni gbogbo agbaye gige iwuwasi gradient agbaye (nigbagbogbo si 1.0) lati dinku awọn spikes isonu.
Awọn agekuru DP-SGD ṣe itusilẹ apẹẹrẹ kọọkan si iwuwasi ti o wa titi ṣaaju fifi ariwo Gaussian kun, ni imuse iṣeduro iyasọtọ-iṣiri ti iṣe deede.
Oṣiṣẹ ti n wo awọn spikes isonu ni TensorBoard dinku ala agekuru ati ohun ti tẹ di dan ati iduroṣinṣin.
Ojo iwaju ti Gradient Clipping
Pipa gige jẹ aiyipada ni o fẹrẹ to gbogbo ohunelo ikẹkọ iwọn-nla nitori pe o jẹ olowo poku ati logan. Iwadi n ṣatunṣe rẹ pẹlu awọn ero imudọgba ti o ṣeto iloro ni aifọwọyi lati awọn iṣiro gradient aipẹ dipo iye aifwy ọwọ ti o wa titi, ati pẹlu gige-ọlọrun tabi ipoidojuko. Gidigidi gige tun ṣe atilẹyin ikẹkọ aladani ọtọtọ (DP-SGD), nibiti apẹẹrẹ-fun apẹẹrẹ ṣe awọn opin ipa ayẹwo kọọkan nitori ariwo iwọntunwọnsi le ṣe iṣeduro asiri laisi eyikeyi igbasilẹ ti o jẹ gaba lori awoṣe.
Fifi o sinu iwa
Kini idi ti o ṣe pataki
- Iye owo ati isuna. Awọn ipinnu faaji ṣe awakọ iṣẹ ati idiyele iṣẹ fun awọn ọdun.
- Awọn ipinnu diẹ sii. Ẹkọ imọ-ẹrọ ṣe iranlọwọ fun awọn ẹgbẹ lati yan akopọ to tọ, kii ṣe ọkan tuntun nikan.
- Iṣakoso didara. Awọn yiyan imọ-ẹrọ to dara julọ dinku awọn iṣẹlẹ igbẹkẹle ni iṣelọpọ.
Ṣọra fun
- Ṣiṣepe ala-ilẹ kan le tọju awọn ailagbara eto ti o gbooro.
- Awọn ohun elo amayederun ati awọn idiyele itọju nigbagbogbo ni aibikita.
- Aabo ati awọn ela akiyesi le dagba bi awọn eto ṣe di eka sii.
Next awọn igbesẹ
- Ṣetumo lairi, didara, ati awọn ibi-afẹde idiyele ṣaaju imuse.
- Aṣepari labẹ ẹru ojulowo ati awọn ipo data.
- Abojuto ohun elo fun awọn aṣiṣe, fiseete, ati ipa olumulo.
- Mura ipadasẹhin pada ati awọn ipa ọna esi iṣẹlẹ ṣaaju iwọn.
Tesiwaju Ṣiṣawari
Ìwé ìròyìn ọfẹ
Gba ìkànìyàn AI ojoojúmọ́
Ìtàn AI mẹta tó jẹ́rìí ní gbogbo owurọ́ ọjọ́ iṣẹ́, kọ́wé ní Gẹ̀ẹ́sì tó rọrùn. Ọfẹ́ fún gbogbo àkókò, kò sí ìpolówó.
Ìmeèlì kan ní gbogbo ọjọ́ iṣẹ́. Yọkúrò ní ìkànìyàn ní ìkànìyàn kan. A kò ta tàbí pín àdírẹ́sì rẹ.
Ṣe idanwo fun ara rẹ
Take the Gradient Clipping quiz
Ìdáhùn lẹ́sẹ̀kẹsẹ̀ lórí gbogbo ìdáhùn, àti iwe-ẹ̀rí tó lè pin pẹ̀lú ID tó lè jẹ́rìí lẹ́yìn tí o bá kọ́ ẹ̀kọ́.
Ṣe àtìlẹ́yìn ẹ̀kọ́ AI ọfẹ́. AI Understanding jẹ́ àjọ àìní èrè 501(c)(3) — kò sí ìpolówó, kò sí àkúnya owó, ní gbogbo àkókò. Ṣe ẹbun kan
Awọn ibeere ti a beere nigbagbogbo
Kini Gradient Clipping?
Aabo ti o rọrun, ti a lo ni ibigbogbo ti o fi bi awọn imudojuiwọn gradient nla ṣe le gba lakoko ikẹkọ. O ṣe idiwọ imudojuiwọn nla kan lati destabilizing tabi pa awoṣe run, ni pataki ni loorekoore ati awọn awoṣe ede.
Kini gige gige-nipasẹ-iwuwasi gradient ni akọkọ ṣe itọju lakoko diwọn imudojuiwọn naa?
Agekuru-nipasẹ-iwuwasi irẹjẹ gbogbo gradients nipa kanna scalar, ki awọn itọsona itọsona ti wa ni itoju nigba ti nikan ni ipari ipari ti wa ni capped.
Ni agekuru-nipasẹ-iwuwasi pẹlu ala-ilẹ c, kini yoo ṣẹlẹ nigbati iwuwasi gradient g_norm ti kọja c?
Nigbati iwuwasi ba tobi ju, gbogbo gradient ni a tun iwọn nipasẹ c/g_norm nitoribẹẹ iwuwasi ti abajade jẹ dọgbadọgba ala-ilẹ c.
Iṣoro wo ni gige gige ni pataki ti a ṣe apẹrẹ lati dojuko?
Agekuru ṣe opin titobi awọn imudojuiwọn, taara idilọwọ awọn igbese nla, riru ti o ṣẹlẹ nipasẹ awọn gradients exploding.
Bawo ni agekuru-nipasẹ-iye ṣe yatọ si agekuru-nipasẹ-iwuwasi?
Agekuru-nipasẹ-iye clamps kọọkan ano sinu kan ti o wa titi ibiti o bi [-5,5]; nitori awọn paati ti wa ni gige ni ominira, itọsọna gbogbogbo le yipada.
A minibatch produces an unusually large global gradient norm. What does clip-by-norm do before the optimizer update?
Norm clipping multiplies all components by a shared factor when the total norm is too large, limiting update magnitude.
Tesiwaju kikọ
Jẹmọ awọn itọsọna
Awọn itọsọna diẹ sii ti a yan fun koko yii