التعلم العميق / المعماريات وديناميات التدريب / الدرس 7
التهيئة والتطبيع والمسارات المتبقية
حلل مقياس الإشارات ومسارات التدرج دون اعتبار الأساليب المعمارية إصلاحات عامة.
في هذه الصفحة
أهداف الدرس
- ربط مقياس التهيئة بعدد المدخلات والتنشيط.
- تمييز محاور التطبيع وحالته المحفوظة.
- شرح مسار الهوية في الكتلة المتبقية.
يتوقف مقياس الإشارة على الطبقة كلها
تجمع الطبقة مدخلات موزونة قبل التنشيط. تحت افتراضات مبسطة للاستقلال والتباين، يزيد عدد الحدود تباين القيمة السابقة للتنشيط ما لم يعوضه مقياس الأوزان. تستعمل قواعد التهيئة عدد المدخلات أو المخرجات وافتراضات التنشيط لإبقاء الإشارة في مجال مفيد. تقارب هذه الافتراضات الواقع، خصوصاً مع المدخلات المترابطة والتفرع. قد يبقي تصفير جميع الأوزان المخفية تماثلاً غير مرغوب بين الوحدات؛ وتكسره التهيئة العشوائية، لكن البذرة لا تضمن حسن التكييف أو التقارب أو التطابق على كل جهاز.
اقرأ قاعدة التهيئة كحجة مشروطة
يحسب المثال sqrt(2/fan_in)، وهو مقياس انحراف معياري شائع لتهيئة متمركزة حول الصفر مع ReLU. لا يسحب أوزاناً ولا يدرب نموذجاً. يأتي العامل اثنان من حجة تباين تقريبية تخص المقوم؛ وقد تتطلب تنشيطات أو اصطلاحات أخرى قواعد مختلفة. تؤثر سياسة الانحياز والتطبيع وتحجيم المسار المتبقي ومشاركة المعاملات في الإشارة الفعلية. افحص التنشيطات والتدرجات على دفعة صغيرة قبل افتراض أن اسم التهيئة يحل المشكلة؛ فهي لا تصلح هدفاً خاطئاً أو تقسيماً غير صالح.
from math import sqrt
for fan_in in [2, 8, 32]:
print(f"fan_in={fan_in}, relu_std={sqrt(2/fan_in):.4f}")
fan_in=2, relu_std=1.0000
fan_in=8, relu_std=0.5000
fan_in=32, relu_std=0.2500
يصغر مقياس الوزن الفردي مع زيادة عدد المدخلات المجموعة وفق قاعدة مشروطة باستخدام ReLU.
تحدد محاور التطبيع القيم المتفاعلة
يجعل تطبيع السمة عبر دفعة التدريب المشاهدة معتمدة على رفاقها. ويحفظ تطبيع الدفعة عادة إحصاءات جارية للاستدلال، تختلف تفاصيل تحديثها وحساب تباينها باختلاف التنفيذ. أما تطبيع الطبقة فيعمل على أبعاد سمات مختارة داخل المشاهدة. يطبع المثال كل صف ذي سمتين بتباين مجتمعي وإبسيلون، دون كسب أو انحياز متعلمين. لا يعني تساوي الناتجين تساوي الصفين الأصليين؛ فالتطبيع يتخلص عمداً من بعض المعلومات، وتحدد المعمارية ملاءمة هذا الفقد للمهمة.
from math import sqrt
rows = [[1.0, 3.0], [10.0, 14.0]]
for row in rows:
mean = sum(row) / len(row)
variance = sum((x-mean)**2 for x in row) / len(row)
normalized = [(x-mean)/sqrt(variance+1e-5) for x in row]
print([round(x, 5) for x in normalized])
[-1.0, 1.0]
[-1.0, 1.0]
تحسب الإحصاءات داخل كل صف باستخدام التباين المجتمعي دون تحجيم أو إزاحة متعلمين.
يوفر الاتصال المتبقي مسار هوية
تكتب الكتلة المتبقية ذات الأشكال المتطابقة y=x+F(x). تتضمن مشتقتها بالنسبة إلى x إسهام الهوية بجانب مشتقة F. قد يوفر ذلك مساراً مفيداً للإشارات والتدرجات عبر العمق، لكنه لا يضمن الاستقرار أو نجاح التعلم لكل دالة F. عند تغير الأبعاد المكانية أو عدد السمات، يحتاج فرع التخطي إسقاطاً متوافقاً صريحاً أو عملية موثقة أخرى. ليس البث الصامت بديلاً عن توافق المعمارية؛ افحص شكلي الفرعين ومقياسيهما قبل تفسير المجموع.
راقب قبل تغيير آليات متعددة
قارن مقياس ما قبل التنشيط وندرة التنشيطات أو تشبعها ومعايير التدرج وسلوك التدريب والاستدلال طبقة بطبقة. ثبت المدخل والمعاملات عند مقارنة وضعين. قد تضطرب إحصاءات الدفعة الصغيرة؛ واستبدال تطبيع الدفعة بتطبيع الطبقة يغير النموذج ويحتاج تقييماً. إذا هيمن الفرع المتبقي فافحص المقياس والتهيئة قبل إضافة آليات أخرى. وثق محاور التطبيع وإبسيلون والكسب والانحياز والإحصاءات المحفوظة وقاعدة التهيئة ضمن عقد يمكن مقارنة تنفيذات الأطر به.
الأخطاء الشائعة وإصلاحها
بقيت الوحدات المخفية متطابقة
- لماذا يحدث؟
- أعطتها التهيئة المتناظرة مدخلات وتحديثات متساوية.
- كيف تصلحه؟
- استخدم تهيئة مناسبة تكسر التماثل.
- كيف تتجنب تكراره؟
- افحص اختلاف المعاملات والتنشيطات عند أول تحديث.
يتغير تنبؤ عند إضافة أمثلة لا علاقة لها به
- لماذا يحدث؟
- تربط إحصاءات الدفعة في وضع التدريب المشاهدات.
- كيف تصلحه؟
- استخدم إحصاءات الاستدلال المقصودة وافحص الوضع.
- كيف تتجنب تكراره؟
- اختبر المثال منفرداً ومع رفاق مختلفين.
نجح جمع متبقٍ رغم عرض سمات خاطئ
- لماذا يحدث؟
- أخفى البث اختلاف شكلي الفرعين.
- كيف تصلحه؟
- صحح الفرع أو استخدم إسقاطاً متوافقاً صريحاً.
- كيف تتجنب تكراره؟
- افحص الشكلين الكاملين قبل الجمع.
اختبر فهمك
1. احسب الانحراف المعياري المعروض عندما يكون عدد المدخلات 18.
اعرض الحل المشروح
يساوي sqrt(2/18)=sqrt(1/9)=1/3. هو انحراف معياري مقترح لتوزيع، وليس قيمة مفروضة لكل وزن. تحقق من التنشيط وترتيب المعاملات واصطلاح التهيئة قبل تطبيقه في إطار عمل.
2. لماذا لا تضمن y=x+F(x) منع انفجار التدرجات؟
اعرض الحل المشروح
المشتقة هي I+J_F؛ وقد تضخمها مصفوفة J_F كبيرة أو متراصفة الاتجاهات عبر الكتل، كما قد تنمو مقاييس الفروع. يضيف مسار الهوية طريقاً معمارياً، وتظل التهيئة والتطبيع والتحسين والسلوك المقاس عوامل حاسمة.
أهم ما تعلمته
- تعتمد حجة التهيئة على افتراضات صريحة.
- تحدد محاور التطبيع التفاعل بين المشاهدات.
- تنظم المسارات المتبقية التعلم ولا تضمن نجاحه.