這個網絡在過去12個小時中一直在進行訓練。一切看起來都很好：梯度在流動，損失在降低。但是接下來的預測結果是：所有都是0，所有都是背景，沒有檢測到任何東西。“我做錯了什么？”—我問我的電腦，電腦沒睬我。

你從哪里開始檢查你的模型是否正在輸出垃圾(例如預測所有輸出的平均值，或者它的準確性非常差)？

由于一些原因，網絡可能不會進行訓練。在許多調試的過程中，我經常發現自己在執行相同的檢查。我把我的經驗和最好的想法整理在這個方便的列表里。我希望它們對你也有用。

如何使用這個指南？

很多事情都可能出錯。但其中一些更有可能出現問題。我通常以這張簡短的清單作為緊急第一反應：

從一個已知對這類數據有效的簡單模型開始(例如，圖像的VGG)。如果可能的話，使用標準的損失。關閉所有花哨的功能，例如正則化和數據擴充。如果對模型進行finetune，請仔細檢查預處理，因為預處理應該與原始模型的訓練相同。驗證輸入數據是否正確。

從一個很小的數據集(2-20個樣本)開始。對其進行過擬合，并逐漸添加更多數據。

開始逐步添加所有遺漏的部分：增強/正則化，自定義損失函數，嘗試更復雜的模型。

如果上面的步驟沒有什么用，那么就從下面的列表開始，逐一驗證。

一 . 數據集的問題

1. 檢查你的輸入數據

檢查你正在向網絡提供的輸入數據是否有意義。例如，我不止一次地搞混了圖像的寬度和高度。有時，我會不小心把輸入全部搞成了0。或者我會反復的使用相同batch。因此，打印/顯示兩個batch的輸入和目標輸出，并確保它們是正確的。

2. 嘗試隨機的輸入

嘗試傳遞隨機數而不是實際數據，看看錯誤的現象是否相同。如果是的話，這是一個確定的信號，表明你的網絡在某個時候正在把數據變成垃圾。試著一層一層地調試看看哪里出錯了。

3. 檢查你的數據加載

你的數據可能沒有問題，但是將輸入傳遞到網絡的代碼可能會有問題。在任何操作之前打印第一層的輸入并檢查它。

4. 確保輸入連接到了輸出

檢查一些輸入樣本的標簽是否正確。還要確保對輸入樣本的變換對輸出標簽的作用是相同的。

5. 輸入和輸出之間的關系是不是太隨機了？

也許輸入和輸出之間關系的非隨機部分與隨機部分相比太小了(有人可能會說股票價格是這樣的)。也就是說，輸入與輸出的關系并不充分。由于這取決于數據的性質，因此沒有一種通用的方法來檢測這一點。

6. 數據集中是否有太多的噪聲？

有一次，當我從一個食品網站上抓取圖像數據集時，這種情況發生在我身上。有太多不好的標簽，網絡無法學習。手動檢查一些輸入樣本，看看標簽是不是正確。

噪聲的截止點有待討論，因為本文在使用50%損壞標簽的MNIST上獲得了超過50%的準確性。

7. 打亂數據集

如果你的數據集沒有被打亂，并且有一個特定的順序(按標簽排序)，這可能會對學習產生負面的影響。打亂你的數據集，以避免這種情況。確保你在進行打亂的時候，是把輸入和標簽一起打亂的。

8. 減少類別的不均衡

每一個類別B的圖像就有1000個類別A的圖像？你可能需要平衡損失函數或嘗試其他類別不平衡的方法。

9. 你有足夠的訓練樣本嗎？

如果你正在從頭開始訓練一個網絡，你可能需要大量的數據。對于圖像分類，人們說每個類需要1000個或更多的圖像。

10. 確保你的batch里不只包含同一個標簽

這可能發生在排過序的數據集中(即前10k個樣本包含相同的類)。通過打亂數據集很容易修復。

11. 減少batch size

這篇文章指出大的batch size會降低模型的泛化能力。

附加1. 使用標準的數據集（如mnist, cifar10 ）

在測試新網絡架構或編寫新代碼時，首先使用標準數據集，而不是你自己的數據。 這是因為這些數據集有很多參考結果，而且它們被證明是“可解的”。 不會出現標簽噪聲、訓練/測試分布差異、數據集難度過大等問題。

II . 數據歸一化/增強

12. 特征標準化

你是否標準化了你的輸入使其均值和單位方差為零？

13. 你是不是用了太多的數據增強？

增強具有規律性的效果。太多的這些與其他形式的正則化(權值的L2，dropout等等)結合在一起會導致網絡欠擬合。

14. 檢查你的預訓練模型的預處理

如果你使用的是預訓練模型，請確保你使用的歸一化和預處理與訓練時的模型相同。例如，圖像像素應該在[0,1]、[- 1,1]還是[0,255]范圍內?

15. 檢查訓練/驗證/測試集的預處理

CS231n指出了一個常見的陷阱：

“……任何預處理統計數據(例如數據平均值)必須僅對訓練數據進行計算，然后應用于驗證/測試數據。” 例如，計算平均值并從整個數據集中的每幅圖像中減去它，然后將數據分割為train/val/test分割是錯誤的。"

同時，檢查每個樣本或batch的預處理的不同之處。

III . 實現中的問題

16.嘗試解決這個問題的更簡單的版本的問題

這將有助于找到問題所在。例如，如果目標輸出是物體的類別和坐標，請嘗試只預測物體的類別。

17.看看“隨機”時候的正確的損失

再次來自優秀的CS231n：使用小參數進行初始化，沒有正則化。例如，如果我們有10個類，在隨機的情況下意味著我們將有10%的時候會得到正確的類，Softmax損失是正確類的概率的負對數，因此：-ln(0.1) = 2.302.

在此之后，試著增加正則化強度，這會增加損失。

18. 檢查你的損失函數

如果你實現了自己的loss函數，那么檢查它的bug并添加單元測試。通常，我自己寫的損失可能是不正確的，并以一種微妙的方式損害了網絡的性能。

19. 驗證損失的輸入

如果你使用的是框架提供的loss函數，請確保你傳遞給它的是它所期望的。例如，在PyTorch中，我會混淆NLLLoss和CrossEntropyLoss，因為前者需要softmax輸入，而后者不需要。

20. 調整損失的權重

如果你的損失由幾個較小的損失函數組成，請確保它們相對于每個損失函數的大小是正確的。這可能涉及測試不同的損失權重組合。

21. 使用其他的度量方法進行監控

有時候，損失并不能很好地預測你的網絡是否訓練的好。如果可以，使用其他指標，如準確性。

22. 測試所有的自定義的層

你自己實現了網絡中的一些層嗎？反復檢查以確保它們按照預期工作。

23. 檢查“凍結”的層和變量

檢查你是否無意中禁用了一些層/變量的梯度的更新。

24. 增加網絡的大小

也許你的網絡的表達能力不足以得到目標函數。嘗試在全連接的層中添加更多的層或更多的隱藏單元。

25. 檢查隱藏維度的錯誤

如果你的輸入看起來像(k, H, W) =(64, 64, 64)那么很容易忽略與錯誤維度相關的錯誤。對輸入維度使用奇怪的數字(例如，每個維度使用不同的素數)，并檢查它們如何在網絡中傳播。

26. 梯度檢查

如果你手動實現梯度下降，檢查梯度，確保你的反向傳播工作正常。

IV. 訓練問題

27. 處理小數據集

過擬合數據的一個子集，并確保它能工作。例如，用一兩個樣本來訓練，看看你的網絡是否能學會區分它們。再繼續使用每個類的更多樣本。

28. 檢查權值初始化

如果不確定的話，使用Xavier或He初始化。另外，初始化可能會導致錯誤的局部最小值，所以嘗試不同的初始化，看看是否有幫助。

29. 改變你的超參數

也許你使用了一組特別糟糕的超參數。如果可行，嘗試網格搜索。

30. 減少正則化

過多的正則化會導致網絡嚴重欠擬合。減少正規化，如dropout、、權重/偏置L2正規化等。在優秀的“Practical Deep Learning for coders”課程中，Jeremy Howard建議首先擺脫欠擬合。這意味著你需要對訓練數據進行充分的過擬合，然后再解決過擬合問題。

31. 多給點時間

也許你的網絡需要更多的時間來訓練，才能開始做出有意義的預測。如果你的損失在穩步減少，那就讓它繼續訓練吧。

32. 從訓練模式切換到測試模式

有些框架具有Batch Norm、drop等層，在訓練和測試期間的行為有所不同。切換到適當的模式可能有助于你的網絡進行正確的預測。

33. 訓練可視化

監控每一層的激活值、權重和更新。確保它們大小匹配。例如，參數更新的大小(權重和偏差)應該是1-e3。

考慮一個可視化庫，比如Tensorboard和Crayon。必要時，你還可以打印權重/偏置/激活值。

尋找平均值比0大得多的層激活。嘗試 Batch Norm或ELUs。

Deeplearning4j指出在權重和偏差直方圖中應該能看到：
對于權值，這些直方圖在一段時間后應該有一個近似的高斯分布。 對于偏置，這些直方圖通常從0開始，通常以近似高斯分布結束(LSTM是一個例外)。 注意那些發散到+/-∞的參數。留意那些變得很大的偏置。 如果類的分布非常不平衡，這種情況有時會發生在分類的輸出層。

檢查層的更新，他們應該是一個高斯分布。

34. 嘗試不同的優化器

你選擇的優化器不應該會導致你的網絡不訓練，除非你選擇了特別糟糕的超參數。然而，對于一個任務，適當的優化器可以幫助在最短的時間內獲得最多的訓練。你正在使用的算法的論文中應該會指定優化器。如果不是，我傾向于使用Adam或使用動量的SGD。

查看Sebastian Ruder的excellent post了解更多關于梯度下降優化器的信息。

35. 梯度爆炸/消失

檢查層的更新，因為很大的值可以導致梯度爆炸。梯度剪裁可能會有所幫助。

檢查層的激活。來自Deeplearning4j的是一條很好的指導方針：“一個好的激活值的標準差在0.5到2.0之間。顯著地超出這個范圍可能意味著激活值的消失或爆炸”

36. 增大/降低學習率

較低的學習率會導致模型非常緩慢地收斂。

高學習率將在開始時迅速減少損失，但可能很難找到一個好的解決方案。

把你當前的學習速度乘以0.1或10。

37. 克服NaNs

在訓練RNN時，獲得NaN (Non-a-Number)是一個更大的問題。一些解決方法：

降低學習速率，特別是在前100次迭代中獲得NaNs時。

NaNs可以由除以0或ln(0)或負數得到。

Russell Stewart有很多關于如何處理NaNs的建議()。

嘗試逐層評估你的網絡，并查看NaNs出現在哪里。

英文原文：https://blog.slavv.com/37-reasons-why-your-neural-network-is-not-working...

編輯：jq