深度学习中网络设计的几点经验

1.CNN网络中的池化方式选择

　　池化方式有两种：1）最大池化；2）平均池化

　　在实验中我发现，最大池化要比平均池化慢很多，效果也不如平均池化好。所以，池化的方式我们尽量选择平均池化。

2.CNN卷积核的设计

　　卷积的大小，遵守奇数设计原则，如【1,3,5,7】

3.CNN和RNN网络输出到全连接层数据shape的确定

　　两个网络最终都要接一个全连接，你一定要保证输入全连接网络的shape是二维的，即（？，网络最终抽取特征的维数），“？”表示是batch的大小，后面是维数。

　　这样无论你接下来如何处理，如两个网络的特征拼接，还是能够保持相同的shape，那么直接输入到全连接层就可以了。

 4.RNN网络中，深度和方向的考虑

　　input的方向性 - 单向或双向
　　深度 - 单层或多层
　　类型– RNN，LSTM或GRU

　　目前的RNN网络，最多也就是两层。

5.embeddings加入位置信息

　　数据表示时，对于字符、单词、句子信息

6.加入注意力机制

　　虽然RNN网络能够捕捉长时信息，但毕竟能力有限，在对待全局时序信息时需要我们引入注意力机制，可以显著提高模型的准确率。无论你的模型效果如何，引入注意力是一个不错的选择。

　　我们摒弃之前的固有思维，不再依赖于递归神经网络和卷积神经网络，转而使用一种更为简单的网络架构来做序列变换，即注意力机制的序列变换器(Transformer)。

　　在大部分任务中，注意力机制通常和递归神经网络联合起来使用。

　　在这种情况下，远距离计算序列中的依赖性关系就会变得非常困难。在我们提出的转换器结构中，我们对序列中的位置进行注意力加权，然后取均值，因此运算量可以被缩减为固定数。不过这种操作的显著弊端在于加权求均值的操作，会在一定程度上牺牲运算的精度，需要级联多级注意力机制进行精度补偿。

　　所谓 Self Attention，其实就是 Attention(X,X,X)，X 就是前面说的输入序列。也就是说，在序列内部做 Attention，寻找序列内部的联系。 

7.Transformer网络

　　完全抛弃了CNN, RNN,全部使用注意力来实现。值得注意的是，Feed Forward网络用到了1维卷积，增加卷积核的数量，对模型的提高帮助很大。这点需要注意。

 8.NLP任务，去停用词对训练模型的影响

　　文本中一般都会有噪声，我们需要去停用词，目前来看停用词表内容有大有小，到底选取哪一个来作为停用词表，需要根据实际训练的情况来考虑。目前我正在尝试，给出一个结论。

　　优秀的预处理确实可以提高模型的精度，停用词表越大，去掉的停用词越多，留下的信息就越有用，模型表现的越好。提高停用词表的质量，可以整体提升模型的2到3个点

9.向网络中引入残差

　　Transformer网络中，用到了残差计算，也是提高优化性能的方式之一

10.Layer Normalization

　　对每一层做normalization，可以很快滴提高网络的收敛速度。transformer网络本身就没有用LSTM，在加上使用了normalization，让模型训练变得非常快，往往在5个epoch就可以达到比较好的效果

11. BERT和ELMO的比较

　　在特征抽取器选择方面，elmo选择了LSTM；bert选择了Transform。很多研究已经证明，transform提取特征的能力要远远强于LSTM.

　　elmo这种使用双向拼接融合特征的能力可能比bert一体化的特征融合方案要弱

12.训练数据集的长度截取标准

　　由于模型的限定，输入到模型的数据长度要求是定长的，输入长度的选取也是要讲究的，我们要观察数据长度的分布，找出一个合理的长度。

　　长度过长，那么较短的样本就会引入过多的padding符号。但这一点可以弥补，transformer网络能够将padding进行mask，这些信息不会有干扰。

　　长度过短，有些信息就会丢失，对模型来说缺乏有更为表征的样本。

　　这样看来，选取的长度稍微长一点，效果会好。但这样也会更耗时些。

　　这里需要注意的一点，padding的方式有在句前和句后做padding，个人认为将padding放在句前效果会好一些，就是所谓的“冷启动”

13.各类模型优劣总结

　　

 

待续