導讀 使用SAM（銳度感知最小化），優化到損失的最平坦的最小值的地方，增強泛化能力。

動機來自先前的工作，在此基礎上，我們提出了一種新的、有效的方法來同時減小損失值和損失的銳度。具體來說，在我們的處理過程中，進行銳度感知最小化（SAM），在領域內尋找具有均勻的低損失值的參數。這個公式產生了一個最小-最大優化問題，在這個問題上梯度下降可以有效地執行。我們提出的實證結果表明，SAM在各種基準數據集上都改善了的模型泛化。

在深度學習中，我們使用SGD/Adam等優化算法在我們的模型中實現收斂，從而找到全局最小值，即訓練數據集中損失較低的點。但等幾種研究表明，許多網絡可以很容易地記住訓練數據并有能力隨時overfit，為了防止這個問題，增強泛化能力，谷歌研究人員發表了一篇新論文叫做Sharpness Awareness Minimization，在CIFAR10上以及其他的數據集上達到了最先進的結果。

在本文中，我們將看看為什么SAM可以實現更好的泛化，以及我們如何在Pytorch中實現SAM。

SAM的原理是什么？

在梯度下降或任何其他優化算法中，我們的目標是找到一個具有低損失值的參數。但是，與其他常規的優化方法相比，SAM實現了更好的泛化，它將重點放在領域內尋找具有均勻的低損失值的參數（而不是只有參數本身具有低損失值）上。

由于計算鄰域參數而不是計算單個參數，損失超平面比其他優化方法更平坦，這反過來增強了模型的泛化。

（左））用SGD訓練的ResNet收斂到的一個尖銳的最小值。（右）用SAM訓練的相同的ResNet收斂到的一個平坦的最小值。

注意：SAM不是一個新的優化器，它與其他常見的優化器一起使用，比如SGD/Adam。

在Pytorch中實現SAM

在Pytorch中實現SAM非常簡單和直接

import torch

class SAM（torch.optim.Optimizer）：

def __init__（self， params， base_optimizer， rho=0.05， **kwargs）：

assert rho 》= 0.0， f“Invalid rho， should be non-negative： {rho}”

defaults = dict（rho=rho， **kwargs）

super（SAM， self）.__init__（params， defaults）

self.base_optimizer = base_optimizer（self.param_groups， **kwargs）

self.param_groups = self.base_optimizer.param_groups

@torch.no_grad（）

def first_step（self， zero_grad=False）：

grad_norm = self._grad_norm（）

for group in self.param_groups：

scale = group［“rho”］ / （grad_norm + 1e-12）

for p in group［“params”］：

if p.grad is None： continue

e_w = p.grad * scale.to（p）

p.add_（e_w） # climb to the local maximum “w + e（w）”

self.state［p］［“e_w”］ = e_w

if zero_grad： self.zero_grad（）

@torch.no_grad（）

def second_step（self， zero_grad=False）：

for group in self.param_groups：

for p in group［“params”］：

if p.grad is None： continue

p.sub_（self.state［p］［“e_w”］） # get back to “w” from “w + e（w）”

self.base_optimizer.step（） # do the actual “sharpness-aware” update

if zero_grad： self.zero_grad（）

def _grad_norm（self）：

shared_device = self.param_groups［0］［“params”］［0］.device # put everything on the same device， in case of model parallelism

norm = torch.norm（

torch.stack（［

p.grad.norm（p=2）.to（shared_device）

for group in self.param_groups for p in group［“params”］

if p.grad is not None

］），

p=2

）

return norm

代碼取自非官方的Pytorch實現。

代碼解釋：

首先，我們從Pytorch繼承優化器類來創建一個優化器，盡管SAM不是一個新的優化器，而是在需要繼承該類的每一步更新梯度（在基礎優化器的幫助下）。

該類接受模型參數、基本優化器和rho， rho是計算最大損失的鄰域大小。

在進行下一步之前，讓我們先看看文中提到的偽代碼，它將幫助我們在沒有數學的情況下理解上述代碼。

正如我們在計算第一次反向傳遞后的偽代碼中看到的，我們計算epsilon并將其添加到參數中，這些步驟是在上述python代碼的方法first_step中實現的。

現在在計算了第一步之后，我們必須回到之前的權重來計算基礎優化器的實際步驟，這些步驟在函數second_step中實現。

函數_grad_norm用于返回矩陣向量的norm，即偽代碼的第10行

在構建這個類后，你可以簡單地使用它為你的深度學習項目通過以下的訓練函數片段。

from sam import SAM

。。.

model = YourModel（）

base_optimizer = torch.optim.SGD # define an optimizer for the “sharpness-aware” update

optimizer = SAM（model.parameters（）， base_optimizer， lr=0.1， momentum=0.9）

。。.

for input， output in data：

# first forward-backward pass

loss = loss_function（output， model（input）） # use this loss for any training statistics

loss.backward（）

optimizer.first_step（zero_grad=True）

# second forward-backward pass

loss_function（output， model（input））.backward（） # make sure to do a full forward pass

optimizer.second_step（zero_grad=True）

。。.

總結

雖然SAM的泛化效果較好，但是這種方法的主要缺點是，由于前后兩次計算銳度感知梯度，需要花費兩倍的訓練時間。除此之外，SAM還在最近發布的NFNETS上證明了它的效果，這是ImageNet目前的最高水平，在未來，我們可以期待越來越多的論文利用這一技術來實現更好的泛化。

英文原文：https://pub.towardsai.net/we-dont-need-to-worry-about-overfitting-anymore-9fb31a154c81
編輯：lyn