李宏毅学习笔记44.Meta Learning
文章目录
介绍
元学习Meta learning = 学习如何去学习Learn to learn
和Life-long方法有所不一样:
方法 | 区别 |
---|---|
Life-long | one model for all the tasks |
Meta | How to learn a new model |
从过去的任务中学习到一些经验,在新的任务上学得更快(不是更好)
公式输入请参考:在线Latex公式
Meta Learning概念
机器学习:用Training Data训练由我们设计的Learning Algorithm,得到一个最优算法,可以用来完成相应的任务(猫狗识别)
也就是:Machine Learning ≈ 根据数据找一个函数 f 的能力
原学习:用训练由我们设计的F,可以得到一个完成相应任务的,怎么感觉和上面没什么区别?
其实不一样,Meta Learning≈ 根据数据找一个找一个函数 f 的函数 F 的能力。
机器学习中是知道函数f,而是训练函数f的参数;
绪论里面的图:
元学习是不知道函数f,而是训练函数F找到f(含参数)。
把上图中的function 代换为 F就变成了元学习
Meta Learning的三板斧
第一板
• Define a set of learning algorithm
以基于GD优化的算法为例,下图中的每一步的gradient 其实不一样
对于上图中有很多东西都是我们人来定义的,具体看下图中红色框框,网络构建是我们定义的,初始值是我们定义的,定义的lr不一样,更新的结果也不一样。
红框中如果我们定义不同的东西,实际上就是不同的算法。我们的想法是让机器来帮助我们设计这些东西。
第二板
Defining the goodness of a function F
在机器学习中衡量一个函数f的好坏是用一组testing data来进行测试,那么要知道一个生成函数的函数F的好坏当然是要准备一把函数来进行测试咯。
从这里可以看到机器学习和元学习在数据上有所不一样:
机器学习的数据:
元学习的数据:
这里要说明:
- 由于元学习有多个任务,每个任务如果有很多数据,那么训练时间会很长很长,因此,元学习中每个任务的数据不会很多,所以元学习也叫few-shot learning,为了和机器学习区分开,训练和测试数据分别叫Support set和Query set。
- 和机器学习一样,当我们的元学习中的训练任务很多的时候,我们可以将其中一部分切出来作为验证任务:validation tasks。
- 元学习中的testing task可以和training task一样,也可以不一样。
第三板
• Defining the goodness of a function
完成了N个任务后,可以计算F的loss
我们就是要找到一个,使得L最小。
找到之后:
Meta Learning实例:Omniglot
https://github.com/brendenlake/omniglot
• 1623 characters,部分字符:
• Each has 20 examples
把这个学习过程看做是:N-ways K-shot classification,意思是 In each training and test tasks, there are N classes, each has K examples.
例如:20 ways 1 shot就是有20个类别,每个类别只有一个example。
具体做法:
• Split your characters into training and testing characters
• Sample N training characters, sample K examples from each sampled characters → one training task
• Sample N testing characters, sample K examples from each sampled characters → one testing task
Techniques Today
• MAML
• Chelsea Finn, Pieter Abbeel, and Sergey Levine, “Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks”, ICML, 2017
• Reptile
• Alex Nichol, Joshua Achiam, John Schulman, On FirstOrder Meta-Learning Algorithms, arXiv, 2018
MAML
MAML主要是关注初始化参数的选择(所有task的Network Structure都是一样的)。其损失函数为:
其中:
: model learned from task n, depends on
:loss of task n on the testing set of task n
使用Gradient Descent来最小化
这里要和transfer learning中的pre-train model的损失函数进行区分:
可以看到transfer learning是用现有的模型去计算Loss(看模型的当前表现)
而MAML是用训练之后的模型来计算Loss(看模型潜力)
用图形来表示二者的区别吧
MAML vs transfer learning
对于transfer learning,我们寻找在所有task都最好的,但并不能保证把拿去训练以后会得到最好的,例如下图中在task 2上得到最好的结果,但是拿到task 1上却只能得到一个局部最小值。
对于MAML,我们不在意 在 training task 上表现如何,我们在意用 训练出来的
表现如何,例如下图中的,在task 1和task 2上目前表现并不是最好的,但是在task 1上,如果顺着左边的黑色箭头梯度下降,最终可以得到;在task 2上,如果顺着右边的黑色箭头梯度下降,最终可以得到。这两个都是最好的结果。
MAML的trick
在上面讲的MAML更新参数的过程中,一般只会更新一次:
原因如下:
• Fast … Fast … Fast …更新次数少,速度就快,因为MAML跑一轮需要几个小时。
• Good to truly train a model with one step. 就用一次更新就可以达到最佳作为目标来训练。
• When using the algorithm, still update many times.实作的时候在测试过程中可以更新个几次,没毛病。
• Few-shot learning has limited data.MAML对应的数据比较少,多次更新容易过拟合。
MAML Toy Example
Each task:
• 给定一个正弦函数 作为target function;
• 从正弦函数中采样K个点作为样本;
• 用这K个样本来估计target function。
Model Pre-training做出的结果如下图所示:由于Model Pre-training是在所有task都最好的初始化,这里所有的正弦函数叠起来就是一条直线,所以它初始就是直线。
MAML的结果就很不错:
Warning of Math
先把手上的公式整理出来,GD更新公式为:
其中损失函数为每个任务的累加
其中参数的计算公式为一步更新:
先来整理计算公式1中的梯度优化项,把公式2代入公式1的梯度优化项中,并且把梯度放到求和函数里面去:
下面来看梯度的求法,实际上是对每一项求偏导:
初始化参数是通过很多个来影响:
根据链式法则:
上式中很好计算,根据损失函数l的形式直接求即可,例如l如果是交叉熵,就用交叉熵求偏导即可。重点来看后面这项:
根据公式3可知,是一个向量,所以我们可以找其中一个分量:,由公式3可得:
对公式5中求的偏导:
当时
当时
算二次偏导很麻烦,原论文提出忽略二次偏导项:
当时
当时
把公式6和公式7代入公式4,由于当时,,所以求和的时候只用考虑的情况,即公式4可以写为:
利用公式8的估计,梯度矩阵就变成了:
最后我们的梯度优化项就变成了:
MAML – Real Implementation
先要有一个初始化参数,然后把一个任务task看做是一个sample,当然可以用多个任务组成mini-batch,然后做GD,这里不用batch,而是用SGD:
先取一个任务m(Sample a training task m),然后更新参数得到
虽然说好只更新一次,但是这里还是更新两次:
这里我们计算的偏导,取其方向作为的梯度更新方向:
这里需要注意,同向的绿色和蓝色箭头不一定等长,因为LR可能不一样。
然后取一个任务n(Sample a training task n)同样用计算出以及的下一次梯度方向
取其方向作为的梯度更新方向:
这里需要注意,同向的黄色和蓝色箭头不一定等长,因为LR可能不一样。
再次对比transfer learning的Model Pre-training在实现上和MAML有什么不一样:
现有一个初始化参数:
然后计算
然后沿着绿色箭头更新
然后不断重复:
MAML 应用:Translation
Meta-Learning for Low-Resource Neural Machine Translation
18 training tasks: 18 different languages translating to English
2 validation tasks: 2 different languages translating to English
实验结果中用的是BLEU来做评估,横轴是数据量,当然数据量越大效果越好。
Baseline是多任务学习。
先看验证集结果,罗马语翻译为英文
测试任务结果,法语翻译英文
Reptile(简单介绍)
https://openai.com/blog/reptile/
现有初始化参数
取一个任务m(Sample a training task m),Reptile没有规定只能更新一次参数,因此:
从到方向就是更新的方向:
计算出后,取一个任务n(Sample a training task n)同样用计算出并更新多次,取到的方向作为的更新方向:
把pre-train,MAML,Reptile都放在一起看下有什么区别:
下面是pre-train的更新方向
是MAML的更新方向
是Reptile的更新方向,当然还可以更新更多次
实验结果比较:
MAML和Reptile其实不分上下,但是最下面那个蓝色是Transfer learning。
More about Meta Learning
上面讲的MAML和Reptile都是关于用Meta Learning来找初始化参数这个事情,那我们在介绍Meta Learning的时候还有很多红色框框,这些也是可以用Meta Learning来进行研究如何学习的。
不过弹幕提示:只有初始化参数这里可以用GD
下图是用network来设计Architecture & Activation,以及如何更新参数。
下面套娃预警:
We learn the initialization parameter by gradient descent.
What is the initialization parameter for initialization parameter ?
How about learning algorithm beyond gradient descent?