从激活函数到超参搜索：一份“能落地”的深度学习手册

从激活函数到超参搜索：一份"能落地"的深度学习手册

---

1. 激活函数：先选对，再调参

函数	零中心	梯度消失	计算速度	稀疏性	典型坑	适用场景
Sigmoid	×	严重	慢（exp）	×	输出≠0 均值	二分类输出层
Tanh	√	较重	慢（exp）	×	两端饱和	浅层网络
ReLU	×	缓解	极快	√	Dead ReLU	99% 隐藏层首选
Leaky ReLU	×	缓解	快	√	斜率手工	实验性替代
ELU	√	缓解	慢（exp）	√	计算贵	小数据集精调
Swish	×	缓解	中	√	参数增加	深层网络 SOTA

一句话总结：

隐藏层默认 ReLU；如果训练很深且显存充足，换成 Swish 往往有 0.5%~1% 的额外收益；输出层二分类用 Sigmoid，多分类用 Softmax 。

---

2. 梯度消失 & 爆炸：诊断 + 处方

现象	快速判断	根因	实战组合拳
梯度消失	层越靠前，‖∂Loss/∂W‖趋 0	链式<1 连乘	1) ReLU 家族激活 2) BN + 残差 3) Xavier/He 初始化
梯度爆炸	Loss → NaN，‖∂Loss/∂W‖>100	链式>1 连乘	1) Gradient Clip by norm=5 2) 降低 lr 1 个量级 3) L2 weight decay 1e-4

BN 能把激活值拉回 N(0,1)，相当于给梯度做了"保险丝"：既防消失也防爆炸 。

3. 正则化全家桶：何时用、怎么用

技术	作用面	训练/测试差异	调参经验
Dropout	神经元	训练 p=0.5，测试关闭	小网络 0.3，大网络 0.5；与 BN 共存时降至 0.1
L2	权重	无差异	系数 1e-4 起步，观察验证集再 ×10 或 ÷10
Early Stop	迭代次数	无差异	验证 loss 连续 5 epoch 不降即停
Data Aug	样本	无差异	分类任务先水平翻转+随机裁剪，再考虑颜色扰动

注意：

BN 本身自带噪声，ResNet 后几层可完全去掉 Dropout，不降精度反而省显存 。

---

4. 参数初始化：别让网络"死"在起跑线

激活函数	推荐初始化	原理	代码一行
ReLU	He	方差=2/fan_in	torch.nn.init.kaiming_normal_
Tanh/Sigmoid	Xavier	方差=2/(fan_in+fan_out)	torch.nn.init.xavier_normal_
全零初始化	×	对称破坏，梯度相同	永远别用

---

5. 优化器选择：Adam 快，SGD 准

阶段	数据量	推荐组合	学习率起点
快速实验	任意	Adam	1e-3
中期精调	>10k	AdamW + CosineLR	3e-4
收官冲刺	任意	SGD+Momentum	1e-2（再 ×0.1 两次）

经验：

先用 Adam 把验证 AUC 拉到 0.9x，再换 SGD 往往能再提 0.5~1 个点，代价是 3× 训练时间 。

---

6. 学习率：一步到位最省钱

• 搜索套路：

  1. 从 {3,1,0.3,0.1,0.03,0.01} 跑 3 epoch，找最快降 loss 的那个；
  2. 用 Cosine/One-Cycle 在剩余 epoch 里平滑下降；
  3. 最后 10% epoch 做 Warm-Restarts 微调。

• 自动化 ：

  把上述过程写成回调函数，配合早停，一次训练就能拿到"手工调 3 天"的效果。

---

7. Batch Size & Epoch：不是越大越好

显卡	显存	最大 bs	平衡策略
1080Ti	11 G	64~128	梯度累加 4 步 = 有效 256
V100	32 G	256~512	直接上，配合 LARS 可上千

规律：

线性缩放 lr 只适用于 ≤512；再大时用 LARS 层自适应学习率，否则 val acc 会掉 。

8. 超参搜索：从网格到贝叶斯

方法	搜索空间	适合维度	预算	备注
网格搜索	离散	≤3	指数爆炸	教学演示用
随机搜索	连续/离散	5~10	线性	baseline 首选
贝叶斯优化	连续	≥10	10× 随机	利用历史评估，3~5 轮就能逼近最优

贝叶斯四件套 ：

1. 目标函数：验证集 1-AUC
2. 搜索空间：lr∈[1e-4,1e-1] 对数、dropout∈[0,0.5] 均匀
3. 采集函数：EI (Expected Improvement)
4. 历史结果：上一轮 (lr, dropout, 1-AUC) 三元组

---

9. 微调预训练模型：冻结多少层？

数据规模	与源域相似度	推荐方案
<1 k	高	只改分类层，lr=1e-3
1 k~10 k	中	解冻 top-1 block，lr=1e-4
>10 k	低	解冻全部，lr=3e-5 + 早停

先冻结底层训练 5 epoch，再解冻一半层继续 10 epoch，可减小 30% 过拟合风险 。

---

10. 一份"能跑"的调参 Checklist

1. 数据：可视化 100 张，确认标签干净；
2. 预处理：零均值 + 方差归一化，分类做 One-Hot；
3. 模型：隐藏层默认 ReLU，输出层匹配任务；
4. 初始化：He/Xavier + bias=0；
5. 正则：BN 必备，小网络加 Dropout(0.3)；
6. 优化器：Adam 1e-3 先跑 10 epoch；
7. 学习率：Cosine 下降，Warm-Restarts 最后 10%；
8. 早停：val loss 不降 5 epoch 停，回滚最优 ckpt；
9. 复现：固定 numpy/torch 随机种子；
10. 记录：用 TensorBoard 把 loss、lr、grad norm 全写进日志，方便复盘。

---

彩蛋：一张"炼丹"壁纸

"如果 loss 不下降，先把 lr 除以 10，再把 batch size 乘 2，最后检查数据标签。"

------ 深度学习第一定律

---

参考文献

:
程序员学长《终于把神经网络中的激活函数搞懂了！！》
:
CSDN《神经网络激活函数优缺点和比较》