深度学习基础

深度学习基础

• [high variance/data mismatch](#high variance/data mismatch)
• • [what is data mismatch](#what is data mismatch)
  • [how to solve data mismatch](#how to solve data mismatch)
  • [data synthesis数据合成](#data synthesis数据合成)
• 迁移学习与预训练/微调
• • 什么时候用迁移学习

high variance/data mismatch

what is data mismatch

如果训练集和验证集的loss不一样，且验证集的loss高很多，有2种原因：

1.方差太大。模型没见过，没学习到；

2.数据不匹配。训练集和验证集的数据分布不同。

how to solve data mismatch

currently no systematic ways to solve, so try:

1. manually error analysis
2. make training and dev sets more similar.

data synthesis数据合成

make similar的方法包括数据合成。比如含有噪音的音频。

但是要注意：噪音背景需要和清晰的音频一样diverse，不能音频有1000条，噪音只有1条，要不然可能过拟合。

该方法在音频识别种效果很好。

迁移学习与预训练/微调

迁移学习是原本适用于taskA的模型同样应用在taskB。

为了能够使其适用于TaskB，需要对模型进行进一步训练，这个过程取决于taskB的样本数量。

1. 如果样本数量较少，就重新训练最后一层layer或最后几层，其他layers固定不变；
2. 如果样本数量很多，可以对整个模型重新进行训练。
   对于最终的taskB来说，taskA过程的训练就是预训练，对于taskB的训练是微调。

什么时候用迁移学习

1. taskA和taskB输入相同，如都是图片
2. taskA的样本远多于taskB
3. taskA的低层次特征low level features有助于taskB