神经网络:神秘ReLu

Question

我一直在构建一个编程语言检测器，即一个代码片段分类器，作为一个更大项目的一部分。我的基线模型非常直截了当:将输入标记化，并将代码段编码为单词袋，或者，在本例中，将标记包编码，并在这些特性的基础上构建一个简单的NN。

​

​

神经网络的输入是一个固定长度的计数器数组，这些计数器由最特殊的标记组成，如"def"、"self"、"function"、"->"、"const"、"#include"等，这些计数器都是从语料库中自动提取出来的。其思想是，这些标记对于编程语言来说是非常独特的，因此即使这种天真的方法也应该获得高精度的分数。

Input:
  def   1
  for   2
  in    2
  True  1
  ):    3
  ,:    1

  ...

Output: python

设置

我得到了99%的准确性很快，并决定这是一个迹象，它的工作，正如预期。下面是模型(完整的运行脚本是这里)：

# Placeholders
x = tf.placeholder(shape=[None, vocab_size], dtype=tf.float32, name='x')
y = tf.placeholder(shape=[None], dtype=tf.int32, name='y')
training = tf.placeholder_with_default(False, shape=[], name='training')

# One hidden layer with dropout
reg = tf.contrib.layers.l2_regularizer(0.01)
hidden1 = tf.layers.dense(x, units=96, kernel_regularizer=reg, 
                          activation=tf.nn.elu, name='hidden1')
dropout1 = tf.layers.dropout(hidden1, rate=0.2, training=training, name='dropout1')

# Output layer
logits = tf.layers.dense(dropout1, units=classes, kernel_regularizer=reg,
                         activation=tf.nn.relu, name='logits')

# Cross-entropy loss
loss = tf.reduce_mean(
    tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, abels=y))

# Misc reports: accuracy, correct/misclassified samples, etc.
correct_predicted = tf.nn.in_top_k(logits, y, 1, name='in-top-k')
prediction = tf.argmax(logits, axis=1)
wrong_predicted = tf.logical_not(correct_predicted, name='not-in-top-k')
x_misclassified = tf.boolean_mask(x, wrong_predicted, name='misclassified')
accuracy = tf.reduce_mean(tf.cast(correct_predicted, tf.float32), name='accuracy')

产出是相当令人鼓舞的：

iteration=5  loss=2.580  train-acc=0.34277
iteration=10  loss=2.029  train-acc=0.69434
iteration=15  loss=2.054  train-acc=0.92383
iteration=20  loss=1.934  train-acc=0.98926
iteration=25  loss=1.942  train-acc=0.99609
Files.VAL mean accuracy = 0.99121             <-- After just 1 epoch!

iteration=30  loss=1.943  train-acc=0.99414
iteration=35  loss=1.947  train-acc=0.99512
iteration=40  loss=1.946  train-acc=0.99707
iteration=45  loss=1.946  train-acc=0.99609
iteration=50  loss=1.944  train-acc=0.99902
iteration=55  loss=1.946  train-acc=0.99902
Files.VAL mean accuracy = 0.99414

测试精度也在1.0左右。一切看起来都很完美。

神秘的ReLu

但随后我注意到，我将activation=tf.nn.relu放入最后的密集层(logits)，这显然是一个bug：没有必要在softmax之前放弃负值，因为它们表明类的概率很低。零阈值只会使这些类人为地更有可能发生，这将是一个错误。摆脱它只会使模型在正确的类中更加健壮和自信。

我也是这么认为。所以我用activation=None替换了它，再次运行模型，然后发生了一件令人惊讶的事情:性能没有提高。完全没有。事实上，it 显着地降低了。

iteration=5  loss=5.236  train-acc=0.16602
iteration=10  loss=4.068  train-acc=0.18750
iteration=15  loss=3.110  train-acc=0.37402
iteration=20  loss=5.149  train-acc=0.14844
iteration=25  loss=2.880  train-acc=0.18262
Files.VAL mean accuracy = 0.28711

iteration=30  loss=3.136  train-acc=0.25781
iteration=35  loss=2.916  train-acc=0.22852
iteration=40  loss=2.156  train-acc=0.39062
iteration=45  loss=1.777  train-acc=0.45312
iteration=50  loss=2.726  train-acc=0.33105
Files.VAL mean accuracy = 0.29362

训练的准确率较高，但未超过91-92%。我多次改变激活，改变不同的参数(层的大小，脱落，正则化，额外的层，任何东西)并且总是有相同的结果：“错误”模型立即达到99%，而“正确”模型在50次之后几乎没有达到90%。根据拉伸板，重量分布没有太大的差异:梯度并没有消失，两种模型都正常学习。

这怎麽可能？最终的ReLu怎么能使一个模型如此优越呢？尤其是如果这个ReLu是个bug呢？

Answer 1

预测分布

在玩了一段时间之后，我决定可视化这两个模型的实际预测分布：

predicted_distribution = tf.nn.softmax(logits, name='distribution')

下面是这些分布的柱状图，以及它们是如何随时间演变的。

与ReLu (错误模型)

​

​

无ReLu (正确模型)

​

​

第一个直方图是有意义的，大多数概率接近0。但是ReLu模型的直方图是可疑：经过几次迭代后，这些值似乎集中在0.15上。打印实际预测证实了这一观点：

[0.14286 0.14286 0.14286 0.14286 0.14286 0.14286 0.14286]
[0.14286 0.14286 0.14286 0.14286 0.14286 0.14286 0.14286]

当时我有7个类(针对7种不同的语言)，0.14286是1/7。事实证明，“完美”模型学会了输出0逻辑，这反过来又转化为统一预测。

但是，如何报告这一分布为99%的准确性呢？

tf.nn.in_top_k

在深入研究tf.nn.in_top_k之前，我检查了另一种计算精度的方法：

true_correct = tf.equal(tf.argmax(logits, 1), tf.cast(y, tf.int64))
alternative_accuracy = tf.reduce_mean(tf.cast(true_correct, tf.float32))

..。对最高的预测等级和地面真理进行诚实的比较。其结果是：

iteration=2  loss=3.992  train-acc=0.13086  train-alt-acc=0.13086
iteration=4  loss=3.590  train-acc=0.13086  train-alt-acc=0.12207
iteration=6  loss=2.871  train-acc=0.21777  train-alt-acc=0.13672
iteration=8  loss=2.466  train-acc=0.37695  train-alt-acc=0.16211
iteration=10  loss=2.099  train-acc=0.62305  train-alt-acc=0.10742
iteration=12  loss=2.066  train-acc=0.79980  train-alt-acc=0.17090
iteration=14  loss=2.016  train-acc=0.84277  train-alt-acc=0.17285
iteration=16  loss=1.954  train-acc=0.91309  train-alt-acc=0.13574
iteration=18  loss=1.956  train-acc=0.95508  train-alt-acc=0.06445
iteration=20  loss=1.923  train-acc=0.97754  train-alt-acc=0.11328

事实上，tf.nn.in_top_k与k=1的准确性很快偏离了正确的准确性，并开始报告99%的幻想值。那么它实际上是做什么的呢？以下是文献资料对此的看法：

说明目标是否在K值最高的预测中。 这输出了一个batch_size bool数组，如果对目标类的预测是所有预测中的顶级k预测之一，则条目out[i]为真。注意，InTopK的行为与TopK op在处理领带方面的行为不同；如果多个类具有相同的预测值，并且跨越顶k边界，则所有这些类都被认为在顶层k中。

就是这样。如果概率是一致的(这实际上意味着“我不知道”)，那么它们都是正确的。情况甚至更糟，因为如果逻辑分布几乎是均匀的，softmax可能会将其转换为完全均匀的分布，在这个简单的例子中可以看到：

x = tf.constant([0, 1e-8, 1e-8, 1e-9])
tf.nn.softmax(x).eval()
# >>> array([0.25, 0.25, 0.25, 0.25], dtype=float32)

..。这意味着，根据tf.nn.in_top_k规范，每一个几乎一致的预测都可以被认为是“正确的”。

结论

在tensorflow中，tf.nn.in_top_k是一个危险的准确性度量方法，因为它可能会默默地吞下错误的预测，并将其报告为“正确”。相反，您应该始终使用这个长而可信的表达式：

accuracy = tf.reduce_mean(tf.cast(tf.equal(tf.argmax(logits, 1), tf.cast(y, tf.int64)), tf.float32))