0
雷鋒網 AI 科技評論按，AZohar Komarovsky，Taboola 算法工程師，致力于研究推薦系統相關的機器學習應用程序。不久前他分享了最近一年關于多任務深度學習的研究經驗。雷鋒網 AI 科技評論編譯整理如下：
在過去的一年里，我和我的團隊一直致力于提高 Taboola Feed 的個性化用戶體驗。我們使用多任務學習（MTL）來預測同一組輸入特性上的多個關鍵性能指標（KPIs），并在 TensorFlow 中實現了一個深度學習（DL）模型。但是，在我們開始著手這項研究的時候，MTL 對我們來說比現在復雜得多，所以我想分享一些經驗教訓。
在本文中，我將分享一些在神經網絡（NN）中實現 MTL 時具體需要考慮哪些方面的問題，我還將對這些問題提出簡單的 TensorFlow 解決方案。
我們想從硬參數共享（hard parameter sharing）的基本方法開始。硬共享意味著我們有一個共享子網，這個子網是特定于任務的。
在 TensorFlow 中使用這種模型時，由于它看起來與其他 NN 體系結構沒有那么大的不同，您可能會覺得自己有哪里做錯了。雷鋒網
經驗 1-損失合并
我們在 MTL 模型中遇到的第一個挑戰是為多個任務定義單個損失函數。雖然單個任務有定義明確的損失函數，但多個任務會帶來多個損失。
我們最開始嘗試的做法是直接將所有的損失相加。不久我們就發現，當一個任務趨同于好的結果時，其他任務看起來相當糟糕。造成這個現象的原因很簡單，因為損失的規模是如此的不同，以至于一個任務主導了整個損失，而其余的任務沒有機會影響共享層的學習過程。
一個快速的解決辦法是用一個加權和替代損失的直接相加和，使所有的損失對共享層的影響大致相同。然而，這個解決方案涉及另一個超參數，可能需要每隔一段時間調整一次。
幸運的是，我們發現了一篇很棒的論文，論文建議使用不確定性來衡量 MTL 中的損失。具體方法是學習另一個噪聲參數，該參數集成在每個任務的損失函數中。這允許 MTL 中有多個任務，并使所有損失達到相同的規模。
通過這種方法，不僅可以得到比加權和更好的結果，而且不需要考慮附加的權重超參數。這篇論文的作者還提供了一個 keras 實現方法。
經驗 2-調整學習速率
學習速率是調節神經網絡最重要的超參數之一，這是一個常見的規律。所以我們嘗試了調優，發現了對不同任務來說最優的調試速率。選擇較高的學習率會導致其中一個任務的 dying Relu，而使用較低的學習率會導致另一個任務的收斂緩慢。那我們該怎么辦？我們可以讓每個特定于任務的子網調整為單獨的學習速率，并將共享子網調整為另一個速率。
雖然這聽起來很復雜，但實際上相當簡單。通常，在 TensorFlow 中訓練神經網絡時，您可以使用如下方法：
optimizer = tf.train.AdamOptimizer(learning_rate).minimize(loss)
AdamOptimizer 定義了應該如何應用漸變，并最小化計算并應用它們。我們可以用自己的實現來代替最小化，該實現將對計算圖中的每個變量使用適當的學習速率：
all_variables = shared_vars + a_vars + b_vars
all_gradients = tf.gradients(loss, all_variables)
shared_subnet_gradients = all_gradients[:len(shared_vars)]
a_gradients = all_gradients[len(shared_vars):len(shared_vars + a_vars)]
b_gradients = all_gradients[len(shared_vars + a_vars):]
shared_subnet_optimizer = tf.train.AdamOptimizer(shared_learning_rate)
a_optimizer = tf.train.AdamOptimizer(a_learning_rate)
b_optimizer = tf.train.AdamOptimizer(b_learning_rate)
train_shared_op = shared_subnet_optimizer.apply_gradients(zip(shared_subnet_gradients, shared_vars))
train_a_op = a_optimizer.apply_gradients(zip(a_gradients, a_vars))
train_b_op = b_optimizer.apply_gradients(zip(b_gradients, b_vars))
train_op = tf.group(train_shared_op, train_a_op, train_b_op)
另外，這個技巧實際上也可以應用于單任務網絡。
經驗 3-使用評估作為特征
一旦我們通過了創建預測多個任務的 NN 的第一個階段，我們可能會將某個任務的評估作為另一個任務的結果。這個估計是張量，所以我們可以像連接其他層的輸出一樣連接它。但是在反向傳播中會發生什么呢？
假設任務 A 的估計值作為一個特性傳遞給任務 B。我們可能并不想將梯度從任務 B 傳回任務 A，因為我們已經給了任務 A 標簽。
別擔心，TensorFlow 的 API 有 tf.stop_gradient，它正是為了解決這個問題而存在的。當計算梯度時，它可以讓你傳遞一個張量列表，你想把它當作常數，這正是我們所需要的。
all_gradients = tf.gradients(loss, all_variables, stop_gradients=stop_tensors)
同樣地，這在 MTL 網絡中很有用，但它不僅僅在 MTL 網絡中有用。只要您想用 TensorFlow 計算一個值，并且需要假設該值是一個常量，就可以使用此技術。例如，當訓練生成對抗網絡（GANs）時，您不希望在生成對抗性網絡的過程中進行反向傳播。
via：https://engineering.taboola.com/deep-multi-task-learning-3-lessons-learned/
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
