黄仁勋做梦笑醒！索尼发现GPU不仅训的快、训的准，还不会陷入鞍点

　　新智元报道

　　来源：arXiv

　　编辑：好困

　　【新智元导读】GPU 在深度学习的发展过程中无疑扮演着至关重要的角色，极大加快了模型的训练速度。最近索尼、大阪大学等研究员发现，显卡的好处不止这些，还能提高模型的准确度，只是没人用 CPU 训练，所以没发现而已！除此之外，使用 GPU 还可以和 SGD 一样跳出鞍点。

　　GPU 和 CPU 训练同一个网络，竟然会产生不同的结果？

　　炼丹的小伙伴们都知道，深度神经网络的训练通常具有不确定性（uncertainty），这种不确定性可能来源于参数上的随机性、数据噪声或者是硬件相关的问题。

　　最近来自索尼、波兰的波兹南密茨凯维奇大学、大阪大学等研究员联合在 arxiv 上传了一篇论文，在研究神经网络不确定性的时候，突然发现由 GPU 引起的不确定性竟然可以提高深度神经网络的精度。

　　这种提升是相对于只是用 CPU 来训练神经网络的情况下来说的。 使用 GPU 时，学习误差低于相同 epoch 使用 CPU 训练的模型。

　　如果按照这个结论的话，以往认为 GPU 只具有加速功能看来是不够全面的。

　　但研究人员还提到一点，就是这项研究结果并不适用于全部的神经网络模型， 只是对于特定的模型才有用， 像自编码器（autoencoder）中就没有观察到这个现象。

　　论文地址：https://arxiv.org/pdf/2109.01451.pdf

　　论文的实验也是简单粗暴，选几个模型，然后训练看结果，用到的设备硬件包括：

　　纯 CPU 设备：

　　Intel i5-4590, i7-6800K, i5-7600K, AMDRyzen-5-3600

　　带 GPU 的设备：

　　Intel i5-7600K + NVIDIA GTX-750Ti

　　i5-7600K + GTX-970

　　i7-6700K + GTX-1080

　　i7-7700K + GTX-1080Ti

　　i7-9700 + RTX-2080Ti

　　i5-7600K + RTX-2060 super

　　AMD Ryzen-5-3600 + RTX-2070 super

　　i5-9400 + Titan-RTX

　　（没有 30 系空气卡）

　　研究人员首先使用 autoencoder 和 MNIST 数据集评估了节点权重初始值和 cuDNN 函数状态的影响。从 12 个不同的随机选择初始值生成的学习曲线，从鞍点逃逸的曲线是很相似的，但损失降低的时间点却各有不同。

　　12 个试验中有 11 个产生双相学习曲线(biphasic learning curve)，而只有一个产生三相曲线(triphasic curve)，表明存在多个不同的鞍点。

　　为了评估最终学习结果的差异，对 5000 个训练 batch 中最后 50 个 batch 的学习损失值取平均值，结果表明，从训练条件观察到的变化是随机初始值和 cuDNN 函数的共同作用导致的结果。

　　（a）可以看出 12 个值的平均±标准偏差为 0.0074±0.00074；

　　（b）当关闭 cuDNN 功能后，也获得相似的结果 0.0079±0.0012；

　　（c）在固定初始值的条件下，当 cuDNN 功能开启时，0.0076±0.00035；

　　（d）当初始值固定且 cuDNN 功能关闭时，12 次训练的结果相同（0.0073±0）。

　　评估硬件架构对训练结果不确定性的影响时，使用固定初始值来消除软件相关的不确定性。从四个不同 CPU 和八个 GPU 得到的结果可以观察到，所有 12 种结构的变化相对较（0.0075±0.00020）。

　　除此之外，可以看到 CPU 和 GPU 之间的平均差异很小（CPU 是 0.0076±0.00023；GPU 是 0.0074±0.00017）

　　使用 FPSI 数据集对 PredNet 进行训练时，与自编码器相比，PredNet 能够学习高度复杂的视频输入。

　　从 12 个不同的随机选择的初始值生成的学习曲线中可以看出，它的波动幅度要比自编码器更加强烈。这可能是由于输入数据主要是来自运动摄像机的第一人称视频，从而导致了场景之间的大量切换。

　　与自编码器一样，在 12 次训练中，逃离鞍点的时间点各不相同。

　　并且不同初始值和 cuDNN 状态都会影响损失值，其中随机初始值的影响更大。

　　预测神经网络 PredNet 由哈佛大学提出，这项 2016 年的研究旨在探索和尝试复制人类大脑皮层的行为。

　　PredNet 和 AutoEncoder 的模型架构在复杂性方面非常不同。自编码器的目的是重建图像，而非预测目标值。相比之下，PredNet 具有四个 layer，每层使用卷积 LSTM 的表征神经元组成来预测。

　　研究人员得出结论: 虽然机制尚不清楚，但 GPU 硬件似乎有能力提高 DNN 的训练效果。并且 GPU 可以更好地避免鞍点（即困在梯度下降法中的坡底）。

　　鞍点虽然是深度学习中无法忽视的一个阻碍，但是在最近关于随机梯度下降优化的相关研究中几乎都被忽略了。为了避免鞍点对学习的抑制，各种与随机梯度下降（SGD）相关的方法被引入到深度学习中。有学者认为，假设输入是非退化的且网络是过度参数化的，SGD 可以在多项式时间内找到 DNN 训练目标的全局极小值。

　　SGD 的随机性使深层神经网络能够成功地避免鞍点，但 SDG 也不是唯一能够避免鞍点的工具。GPU 中的不确定性也可以作为避免鞍点的工具。

　　最后结论，GPU 特定的计算处理比 CPU 更不确定，硬件衍生的不确定性（通常这种不确定性是不应该存在的，俗称 bug）在某些情况下可能会成功地融入深度神经网络的训练中。

　　此外，在大脑相关的计算处理中，这种不确定性可能是一种有趣的现象，它包含大量的不确定性信号来产生新想法来跳出鞍点、产生奇迹等。

　　参考资料：

　　https://arxiv.org/pdf/2109.01451.pdf