深度学习理论

fine_tuning原理问题

请问fine_tuning的原理是什么，现在只是会用它训练以及分类，还不知道fine_tuning具体是怎么进行微调的，用已有模型继续训练自己的数据，这对我自己的网络有什么要求吗，fine_tuning是怎么微调网络参数的，这些参数经过微调会发生什么变化才会适应我的数据实现正确分类？

8 个回复

xinmiao

赞同来自: yty98 、betas 、李扬、孙琳钧、王斌_ICT 、shakevincent 、huangzhaolu 、sunxingxingtf 、coolwyj 、OutLaws 、OpenAI 更多 »

这是个很好的问题~
一般我们在训练from scratch的时候往往要在一些超大型的数据集上训练，一个目的是为了让训练得到的特征（尤其是底层特征）更加多样。而从genertive pre-training到discriminative fine-tuning的过程是一个对泛化特征进行面向task的特化的过程。
如果把fine-tuning之后的特征可视化出来，我们会发现高层特征可能会发生一些有趣的变化，直接反映出你的task:

而底层的特征，可能并没有非常明显的变化（这里是有争议的，请保持审慎）。
那么是不是底层特征就没用呢？切实恰恰相反，底层特征非常重要，如果底层特征不够好，特征类型不够充分，很可能训练不出来好的高层抽象。这就是为什么需要在大规模数据集上进行genertive training的原因之一。

还有很多内容，先mark一下，有空再继续说~

================================================================

嗯嗯，我回来啦~
分享一篇NIPS2014上Bengio大神的文章供参考：
How transferable are features in deep neural networks?

李扬 - 密码六个一

赞同来自: yty98 、lady_he 、xjtuljy 、coolwyj 、OutLaws 、起个名字好费事、OpenAI 更多 »

上面几位大牛已经从理论角度解释的很好了。我就说一下直观的理解吧。

首先，如果你将底层特征可视化出来，会发现底层特征多是一些边、角之类的基础几何形状。在大数据集上进行 pretrain 的目的之一是为了获得丰富、一般化的底层特征，换言之就是学到丰富的“基础几何形状”。有了这些丰富的基础几何形状，等过渡到小数据集上 finetune 的时候，就可以通过它们组合出上层具有强判别力的特征。此时，如果你再将组合出来的上层特征可视化，就会发现它们已经有模有样了，见上面辛博的配图。反之，如果你直接在小数据集上训练，那么就难以获得丰富的、一般化的基础几何形状，也就难以“描绘出”栩栩如生的上层特征。

这就好像是盖楼。你想盖出一座独特、壮丽的大楼，就必须具备丰富、大量的建材。例如，如果你只有木头，那你只能盖木屋；你只有砖头，那只够盖厕所；你有了钢筋混凝土、强化玻璃、大理石、木方、形状各异的砖头...你才能盖出大楼来。

所以，finetune 好像就是去搜集丰富的建材的过程。

孙琳钧

赞同来自: xinmiao 、yty98 、王斌_ICT 、OutLaws 、jckzzu 、Zellar209 更多 »

fine_tuning的过程其实就是用训练好的参数（可以从已训练好的模型中获得）初始化自己的网络，然后用自己的数据接着训练，参数的调整方法与from scratch训练过程一样（梯度下降）。对于初始化过程，我们可以称自己的网络为目标网络，训练好的模型对应网络为源网络，要求目标网络待初始化的层要与源网络的层相同（层的名字、类型以及层的设置参数等等均相同）。

王斌_ICT - 研究领域：深度学习，目标检测

赞同来自: caffe 、yty98 、OutLaws 、华灯初上照小川、起个名字好费事、lxwahu 更多 »

Fine-tuning已经成为了使用DL网络的一个常用技巧（trick）。个人认为在使用深度网络做图像处理任务时，使用一个在大的数据集上预训练好的模型（ex:caffe在imagenet上训练的caffeNet, VGG16...）在自己数据上微调往往可以得到比直接用自己数据训练更好的效果，这是因为在imagenet上预训练的模型参数从微调一开始就处于一个较好的位置，这样微调能够更快的使网络收敛。对于相同类别的任务我们可以默认这样去做比较好，比如我们可以直接利用caffe在imageNet classification task 预训练的模型做一些其他的分类任务。然而当我们要做一个不同的任务，比如在imageNet上做Detection，那么可能直接拿在imagenet分类任务上预训练的模型进行微调就不是最好的了。分类考虑的是图像的一个语义信息，无论目标出现在哪里判定出类别就算正确，而检测不一样，还需要知道目标的确切位置，所以对于检测任务，我们也可以使用微调这个trick,但使用的预训练网络是在目标级别数据库上训练的（图像就是一个完整目标或者图像中所有目标都有标记—Bounding Boxes Infomation）。
参考文献：
Ouyang, Wanli, et al. "Deepid-net: Deformable deep convolutional neural networks for object detection." CVPR.2015

zeakey - please visit my homepage: zhaok.xyz

赞同来自: yty98 、shakevincent 、xjtuljy 、华灯初上照小川、起个名字好费事、lxwahu 更多 »

从我们的实验经验上来看,网络越深,底层的参数越难得到有效训练,这也是为什么经常有人用 vggNet finetune 的原因之一.

使用 backpropagation 进行训练的时候残差逐层传递,有可能到底层的时候残差就很小了(gradient vanishing),导致底层的参数train 不动. 这也是楼上辛同学的图里底层 feature map 没有什么改变的原因之一,因为底层参数本身就很难得到训练.

finetune 就是直接从别人已经训练好的网络上拷贝参数,然后针对自己的数据训练新的模型.
这时候需要比较小的 learning_rate, 因为要在不破坏原有模型的情况下 fit 自己的数据,finetune 的好处就是可以直接获得我们难以或者无法训练的底层参数.