概述
彩票假说认为，在一个大型的、随机初始化的神经网络内部隐藏着一个小的子网络——一张“中奖彩票”——它通过相同的初始权重单独训练，可以匹配整个网络的准确性。这很重要，因为它表明我们训练的参数远多于我们实际需要的参数。
彩票假设位于核心人工智能工具包中。当你理解它时，其他人工智能主题就变得更容易评估和比较。
深入探讨
该假设由麻省理工学院的乔纳森·弗兰克尔和迈克尔·卡宾于 2018 年提出，源于修剪研究。通常，您可以将经过训练的网络修剪至其权重的 10-20%，而不会损失准确性，但从头开始训练该小型网络会失败。弗兰克尔和卡宾找到了窍门：保留幸存连接的原始初始权重。然后，稀疏的子网络（中奖彩票）会独立训练到完全准确，有时比密集的原始子网络更快。他们通过“迭代幅度修剪”来识别票证：训练，修剪最小幅度的权重，将其余权重回滚到初始值，然后重复。结果表明，密集的超参数化主要有助于优化找到良好的稀疏结构，而不是所有这些权重都是单独必要的。
技术洞察
核心过程是带有权重倒带的迭代幅度修剪：训练后，删除最低幅度的权重，将剩余的权重重置为其原始初始化（或早期训练检查点，称为“倒带”的细化），然后重新训练。特定的稀疏掩码及其匹配的初始化的组合使得票证“获胜”——随机重新初始化相同的掩码会破坏效果。
掌握彩票假设
彩票假说认为，在一个大型的、随机初始化的神经网络内部隐藏着一个小的子网络——一张“中奖彩票”——它通过相同的初始权重单独训练，可以匹配整个网络的准确性。这很重要，因为它表明我们训练的参数远多于我们实际需要的参数。彩票假设位于核心人工智能工具包中。当你理解它时，其他人工智能主题就变得更容易评估和比较。为了建立深入的理解，请将彩票假设视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍然需要专家判断的任务分开。
在实践中，使用彩票假设的强大团队首先构建强大的概念模型，然后将这些模型映射到实际的生产约束。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
它可以帮助您将清晰的技术声明与营销语言分开。同时，不同的团队可能会以不同的方式使用同一术语，因此请尽早定义范围。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
它可以帮助您将清晰的技术声明与营销语言分开。
它可以帮助您将清晰的技术声明与营销语言分开。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
在花费金钱或时间之前，您可以提出更好的实施问题。
在花费金钱或时间之前，您可以提出更好的实施问题。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
具有共同理解的团队可以做出更好的产品、政策和学习决策。
具有共同理解的团队可以做出更好的产品、政策和学习决策。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
将大型图像分类器压缩至其权重的 20% 以下，以便部署在手机上，同时保持准确性
通过仅识别和训练稀疏获胜子网络来加速训练
通过重复使用在一个数据集上找到的票证来快速启动相关数据集的训练来研究权重可转移性
通过运送修剪过的中奖彩票而不是密集模型来减少边缘设备中的推理能量和内存
实施模式
彩票假说的实践
将大型图像分类器压缩至其权重的 20% 以下，以便部署在手机上，同时保持准确性。
将大型图像分类器压缩到其权重的 20% 以下，以便部署在手机上，同时保持准确性。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
彩票假说的实践
通过仅识别和训练稀疏的获胜子网络来加速训练。
通过仅识别和训练稀疏的获胜子网络来加速训练团队在预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
彩票假说的实践
通过重复使用在一个数据集上找到的票证来启动相关数据集的训练来研究权重可转移性。
通过重复使用在一个数据集上找到的票据来研究权重可转移性，以启动相关数据集上的培训团队通常会在预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时获得更好的结果。
彩票假说的实践
通过发送修剪过的中奖彩票而不是密集模型来减少边缘设备中的推理能量和内存。
通过发送修剪后的中奖彩票而不是密集模型来减少边缘设备中的推理能量和内存当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
不同的团队可能会以不同的方式使用同一术语，因此请尽早定义范围。
基准测试可能看起来很强大，但实际性能却参差不齐。
忽视数据质量和评估计划通常会产生脆弱的结果。
实施路线图
从您需要的结果的简单语言定义开始。
从您需要的结果的简单语言定义开始。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在测试之前选择一种成功指标和一种失败条件。
在测试之前选择一种成功指标和一种失败条件。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
使用代表性数据运行小型试点，而不是完善的演示集。
使用代表性数据运行小型试点，而不是完善的演示集。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
记录彩票假设在哪些方面有帮助以及在哪些方面更简单的方法更好。
记录彩票假设在哪些方面有帮助以及在哪些方面更简单的方法更好。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。