神经网络：神秘的ReLu

Question

我一直在构建一个编程语言检测器，即代码片段的分类器，作为更大项目的一部分。我的基线模型非常简单：将输入标记化并将片段编码为单词包，或者在这种情况下为标记包，并在这些功能之上创建一个简单的NN。

NN的输入是固定长度的大多数独特标记的计数器阵列，例如"def"，"self"，"function"，"->"，"const"，"#include"等，它们是从语料库中自动提取的。这个想法是这些令牌对于编程语言来说是非常独特的，所以即使是这种天真的方法也应该获得高准确度。

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

  ...

Output: python

建立

我很快就获得了99％的准确率，并认为这是符合预期的标志。这是模型（完整的可运行脚本是here）：

# 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')

输出非常令人鼓舞：

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

但后来我注意到我将activation=tf.nn.relu放入最后的密集层（logits），这显然是一个错误：没有必要在softmax之前丢弃负分数，因为它们表明概率很低的类。零门槛只会使这些类人为地更加可能，这将是一个错误。摆脱它应该只会使模型在正确的类中更加健壮和自信。

那正是我所想。所以我用activation=None替换它，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，它显着下降：

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

训练的准确性越来越好，但从未超过91-92％。我来回多次改变激活，改变不同的参数（图层大小，丢失，正规化，额外的图层，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”模型几乎没有50个时代后达到了90％。根据张量板，体重分布没有太大差异：梯度没有消失，两种模型都能正常学习。

这怎么可能？最终的ReLu如何使模型如此优越？特别是如果这个ReLu是一个bug？

Answer 1

预测分布

在玩了一会儿之后，我决定想象两种模型的实际预测分布：

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

以下是分布的直方图以及它们随时间的演变。

使用ReLu（错误型号）

没有ReLu（正确型号）

第一个直方图是有道理的，大多数概率接近于0。但ReLu模型的直方图是可疑的：经过几次迭代后，这些值似乎集中在0.15附近。打印实际预测证实了这个想法：

[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]

我有7个班级（当时为7种不同的语言）和0.14286是1/7。事实证明，“完美”模型学习输出0 logits，后者又转换为统一预测。

但是，如何将此分布报告为99％准确？

tf.nn.in_top_k

在深入了解tf.nn.in_top_k之前，我检查了另一种计算准确度的方法：

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

...对最高预测班级和基本事实进行诚实比较。结果是这样的：

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迅速偏离了正确的准确度，并开始报告幻想99％的价值。那它实际上做了什么？这是the documentation所说的：

说目标是否在前K个预测中。

这输出batch_size bool数组，如果目标类的预测是所有预测中的前k个预测，例如i，则条目out[i]为真。请注意，InTopK的行为与TopK op在处理关系时的行为不同;如果多个类具有相同的预测值并跨越top-k边界，则所有这些类都被认为是在前k个。

就是这样。如果概率是统一的（实际上意味着“我不知道”），它们都是正确的。情况更糟，因为如果logits分布几乎是均匀的，softmax可能会将其转换为完全均匀的分布，如下面的简单示例所示：

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)

......根据tf.nn.in_top_k规范，这意味着每个几乎统一的预测都可以被认为是“正确的”。

结论

tf.nn.in_top_k是张量流中准确度测量的危险选择，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))