概述
随机权重平均 (SWA) 对训练后期的几个点的模型权重进行简单平均，而不是仅保留最终快照。这种廉价的技巧通常会使模型处于更平坦、更广泛的损失区域中，这往往能够更好地对未见过的数据进行泛化。
随机权重平均是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。
深入探讨
SWA 由 Izmailov、Wilson 及其同事于 2018 年提出，它利用了这样的观察结果：具有恒定或周期性学习率的 SGD 不会收敛到一个点 - 它会围绕一个宽阔、平坦的山谷的边缘反弹。 SWA 没有选择这些嘈杂的停止点之一，而是在最后的 epoch 中运行中等高的（通常是恒定的或循环的）学习率，并对它访问的权重（通常是每个 epoch）进行平均。平均权重更靠近平坦区域的中心。由于批量归一化统计数据是针对特定权重计算的，因此 SWA 需要对数据进行一次额外的前向传递，以重新计算平均模型的 BN 运行均值和方差。成本基本上是免费的，并且在图像分类器和其他分类器之间的准确性增益是一致的。
技术洞察
SWA 保持每个周期更新的运行平均值 w_SWA = (n·w_SWA + w_i)/(n+1)，而实时 SGD 模型以相对较大的学习率不断探索。权重空间中的平均近似于函数空间中的一个整体，但在推理时只需要一个模型，而不是很多。关键机制是平坦最小值对于权重扰动具有鲁棒性，因此训练/测试损失表面保持对齐，从而减少泛化差距。
掌握随机权重平均
随机权重平均 (SWA) 对训练后期的几个点的模型权重进行简单平均，而不是仅保留最终快照。这种廉价的技巧通常会使模型处于更平坦、更广泛的损失区域中，这往往能够更好地对未见过的数据进行泛化。随机权重平均是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。为了建立深入的理解，请将随机权重平均视为一种操作模型，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执行的操作与仍需要专家判断的操作分开。
在实践中，使用随机权重平均的强大团队根据可靠性和成本优化架构、数据和基础设施选择。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。
多年来，架构决策决定着性能和运营成本。与此同时，优化一个基准测试可以隐藏更广泛的系统弱点。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
多年来，架构决策决定着性能和运营成本。
多年来，架构决策决定着性能和运营成本。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。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。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。
更好的工程选择可以减少生产中的可靠性事故。
更好的工程选择可以减少生产中的可靠性事故。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
提高 CIFAR 和 ImageNet 上 ResNet 和 DenseNet 图像分类器的测试准确性，无需额外的推理成本。
SWAG（SWA-高斯）通过单次训练生成安全敏感预测的校准不确定性估计。
权重 EMA 稳定扩散图像生成器（如稳定扩散）中的采样网络。
通过对多个微调检查点进行平均来构建“模型汤”，以提高鲁棒性，而无需重新训练。
实施模式
实践中的随机权重平均
提高 CIFAR 和 ImageNet 上 ResNet 和 DenseNet 图像分类器的测试准确性，无需额外的推理成本。
提高 CIFAR 和 ImageNet 上 ResNet 和 DenseNet 图像分类器的测试准确性，且无需额外的推理成本 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随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
实践中的随机权重平均
SWAG（SWA-高斯）通过单次训练生成安全敏感预测的校准不确定性估计。
SWAG (SWA-Gaussian) 通过单次训练为安全敏感预测生成校准的不确定性估计。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随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
实践中的随机权重平均
权重 EMA 稳定扩散图像生成器（如稳定扩散）中的采样网络。
权重 EMA 稳定扩散图像生成器中的采样网络（例如稳定扩散团队），当他们预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
实践中的随机权重平均
通过对多个微调检查点进行平均来构建“模型汤”，以提高鲁棒性，而无需重新训练。
通过对多个微调检查点进行平均来构建“模型汤”，以提高鲁棒性，而无需重新培训。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随着时间的推移跟踪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
优化一项基准测试可以隐藏更广泛的系统弱点。
基础设施和维护成本常常被低估。
随着系统变得更加复杂，安全性和可观察性差距可能会扩大。
实施路线图
在实施之前定义延迟、质量和成本目标。
在实施之前定义延迟、质量和成本目标。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。
在实际负载和数据条件下进行基准测试。
在实际负载和数据条件下进行基准测试。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。
仪器监控错误、漂移和用户影响。
仪器监控错误、漂移和用户影响。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。
在扩展之前准备回滚和事件响应路径。
在扩展之前准备回滚和事件响应路径。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。