label smoothing
label smoothing
背景:当我们将交叉熵损失函数用于分类任务的时候,我们期望真实的标签为1,而其他虚假的标签为0。换句话来说,我们认为原始数据的标注是准确无误的。但是,真实情况并不是这样,在某些领域,或者使用一些数据增强的方法时,都会存在着一些标注错误的问题出现。
因此,label smoothing的方法可以降低我们对于标签的信心,比如我们将损失目标的值从1降低到0.9,当然与此同时我们需要稍微增加一下其他label(label==0)的目标值。这种方法被称为标签平滑。
操作方式:
import tensorflow as tftf.keras.losses.binary_crossentropy(y_true,y_pred,from_logits = False, label_smoothing=0)"""
当label_smoothing 参数非0时, 指数平滑为 1/num_classesnew_onehot_labels = onehot_labels * (1-label_smoothing) + label_smoothing / num_classes比如而分类任务中,label_smoothing = 0.2时new_labels = [0 1] * (1-0.2) + 0.2/2 = [0 1] * (0.8) + 0.1
new_labels = [0.1, 0.9]
"""# 或者可以直接设置即可
train[np.where(y==0)] = 0.1
train[np.where(y==1)] = 0.9
一般来说,我们将0,1看作true or false。 而设置为0.1和0.9则可以看作,此情况存在可能性很低,此情况存在情况很大。但是使用这样的标签,在训练的过程中,同时导致了更小的梯度,因此我并不确定这个方法是否在程序中会起到作用。
通过实验对比可以看出,在有错误标签存在的情况下,确实是可以拥有更好的结果当然,这个平滑指数α需要去搜索才能得到最佳值,默认值0.1在大多数情况下效果很好。
Reference
1.https://arxiv.org/pdf/1906.02629.pdf
2.https://www.flixstock.com/label-smoothing-an-ingredient-of-higher-model-accuracy/
3.https://medium.com/@nainaakash012/when-does-label-smoothing-help-89654ec75326
4.https://www.kaggle.com/shahules/tackle-with-label-smoothing-proved
label smoothing相关推荐
- label smoothing(标签平滑)
label smoothing是一种在分类问题中,防止过拟合的方法. label smoothing(标签平滑) 交叉熵损失函数在多分类任务中存在的问题 label smoothing(标签平滑) 参 ...
- 【正则化】Label Smoothing详解
1. 概述 Label Smoothing(标签平滑),像 L1.L2 和 Dropout 一样,是一种正则化方法,通常用于分类问题,目的是防止模型在训练时过于自信地预测标签,改善泛化能力差的问题(也 ...
- 优化策略5 Label Smoothing Regularization_LSR原理分析
Label Smoothing Regularization(LSR)是一种通过在输出y中添加噪声,实现对模型进行约束,降低模型过拟合(overfitting)程度的一种约束方法(regulariza ...
- 【AI面试】hard label与soft label,Label Smoothing Loss 和 Smooth L1 Loss
往期文章: AI/CV面试,直达目录汇总 [AI面试]NMS 与 Soft NMS 的辨析 [AI面试]L1 loss.L2 loss和Smooth L1 Loss,L1正则化和L2正则化 在一次询问 ...
- [轻笔记] label smoothing(标签平滑)
看google AI最新的开源代码,发现有个技巧--label smoothing,网上查到的公式与代码中的公式不一样,于是做个笔记,并对见到的觉得有问题的关于label smoothing的博客也列 ...
- 标签平滑论文笔记:2020《When Does Label Smoothing Help?》
标签平滑 介绍 实验1:标签平滑作用 实验2:针对ECE与温度缩放进行对比(作用相近) 实验3:标签平滑对知识蒸馏影响(变差) 实验3知识蒸馏:互信息I(X;Y) 链接 介绍 看成距离: 这里 ...
- label smoothing理论推导
我们知道,softmax容易使模型过度自信过拟合,label smoothing作为一种改善方案可以提高模型的泛化能力. label_smoothing 上篇博客推导过反向求导的结果如下softmax ...
- 【损失函数】NLLLoss损失、CrossEntropy_Loss交叉熵损失以及Label Smoothing示例与代码
机缘巧合下,近期又详细学习了一遍各损失函数的计算,特此记录以便后续回顾. 为了公式表示更加清晰,我们设 y n ∈ { 1 , 2 , - , K } {{y_n} \in \{ 1,2, \ ...
- 浅谈Label Smoothing技术
目录 一.从 One-Hot 到 Label Smoothing 二.Label Smoothing 的简单实现 三.Label Smoothing 的优缺点 四.什么时候使用 Label Smoot ...
- 分类任务中常用的Label smoothing
目录 1.Label smoothing的原理 2.pytorh中如何使用Label smoothing 3.适用场景 1.Label smoothing的原理 交叉熵损失(softmax cross ...
最新文章
- CentOS系统配置solr
- Hadoop中RPC机制详解之Server端
- 基于FPGrowth挖掘算法的乳腺癌中医症型关联规则挖掘
- 布局管理器android,Android课程---布局管理器之相对布局(一)
- row number函数_Hive排名函数ROW_NUMBER,RANK 和 DENSE_RANK的区别
- crtsiii型无砟轨道板_无砟轨道裂缝破损怎么修补
- Python实例讲解 -- wxpython 最小到托盘及欢迎图片
- springMVC中数据流解析与装载
- Cisco 2960交换机配置
- java反编译工具_移动app安全测试 - 客户端 - 反编译保护
- Linux服务器异常关机,重启启动后weblogic无法启动
- 宏山激光sigmatube套料软件多台电脑安装教程
- tableau制作中国地图(全)
- 用devc++表白_【重大表白墙】19级倪yl,风吹起如花般破碎的流年,而你的笑容摇晃摇晃,成为我命途中最美的点缀...
- 中央民族大学计算机考研2020,2020年中央民族大学856计算机学科专业综合考研复习资料...
- php 随机字符串函数,PHP 生成随机字符串的方法函数
- Ditto 复制粘贴
- DTOJ 4426. 爱乐之城
- php portal 接口,WIFI Portal登录(示例代码)
- 英雄联盟电竞bway公开S12宣传片 IG夺冠镜头置结尾 这是有寓意