小数据也有大未来，数据稀缺如何应用深度学习？
全文共 2420 字，预计学习时长 7 分钟
来源：Pexels
有人说，深度学习是目前科技界 最大的瓜，每个人都想分一块。
它承诺以最小代价的大数据解决最复杂的问题。 但现在大家面对的普遍问题是： 我们既不在谷歌工作也不在Facebook工作，数据很稀缺，还能利用深度学习吗？
答案是： 能！
下面就和小芯一起看看如何在有限的数据下利用深度学习吧~
开始越简单越好
在讨论针对有限数据利用深度学习的方法之前，请先后退一步，从神经网络开始，建立一个简单的基线。 用一些传统模型（如随机森林）进行实验通常不会花费很长时间。
这将帮助您评估深度学习的一些潜在提升，并为您的问题提供大量关于深度学习与其他方法之间权衡的见解。
得到更多的数据
这听起来可能很荒谬，但是你考虑过是否可以收集更多的数据吗？
有人会经常向公司提出这样的建议，但公司大多数的人都会觉得你好像疯了一样，这似乎十分出乎意料。
是的，投入时间和金钱去收集更多的数据是可以的。 事实上，这往往是你最好的选择。 例如，也许你正试图对稀有鸟类进行分类，但数据非常有限。 几乎可以肯定地说，通过标记更多的数据，你将更容易解决这个问题。
不确定需要收集多少数据？ 尝试在添加额外数据时绘制 学习曲线 ，并查看模型性能的变化。
微调
假设你现在有一个简单的基线模型，并且不能收集更多数据或者造价昂贵。 此时最可靠、最正确的方法是利用预先训练好的模型，然后针对问题对模型进行微调。
来源：Pexels
微调的基本思路是选取一个非常大的数据集，希望它在某种程度上与你的域相似，然后训练一个神经网络，使用较小的数据集对这个预先训练好的网络进行微调。 你可以在 本文 中了解更多信息。
对于图像分类问题，最常用的数据集是 ImageNet 。 这个数据集包含数百万张类对象图片，因此可以用于很多类型的图像问题。 它甚至包括动物，因此可能对稀有鸟类的分类有所帮助。
要开始使用一些用于微调的代码，请参阅Pytorch的优秀 教程 。
数据扩充
如果你无法获得更多的数据，也不能成功地对大型数据集进行微调，那么数据扩充通常是您的下一个最佳选择，它还可以与微调一起进行。
数据扩充背后的思想很简单： 在不更改标签值的情况下，通过更改输入来提供新数据
例如，如果有一张猫的图片，旋转它，它仍然是一张猫的图片。 因此，这将是很好的数据扩充。 另一方面，如果你有一张道路的图片，想要预测适当的转向角度（自动驾驶汽车），旋转图像会改变适当的转向角度是不可能的，除非方向盘的角度也适当做出了调整。
数据扩充适用于最常见的图像分类问题，你可以在 此处 找到该技术的相关信息。
通常可以想到一些创造性的方法来扩充其他领域（例如NLP）中的数据（请参见 此处 的示例），并且人们也在尝试使用 生成对抗网络（GAN） 来生成新数据。 如果GAN的方法有点意思，那么看一下 DADA ： 深度对抗性数据扩充（Deep Adversarial Data Augmentation）。
余弦损失
最近的一篇名为《在没有使用余弦损失进行预处理的情况下对小数据集进行深度学习》(Deep Learning on Small Datasets without Pre-Training using cosLoss)的 论文 表示，在分类问题中将损失函数从分类交叉熵损失转换为余弦损失时，小数据集的准确率提高了30%。 余弦损失就是1- 余弦相似度(cosine similarity) 。
从上面的图中可以看出，基于每个类的样本数量，性能是如何变化的，以及微调对于一些小型数据集(CUB)是多么有价值，而对于其他数据集(CIFAR-100)则价值不是那么高。
深入
在NIPs的一篇 论文 中，现代神经网络概括了小数据集，他们将深度神经网络视为整体。 具体来说，“不是每一层都呈现一个不断增加的特征层次结构，而是最后一层提供了一个集成机制。 ”
小芯从中得到的教训是，对于小数据，要确保你建立了深入的网络来利用这种集成效应。
自动编码
使用堆叠式自动编码，以更理想的初始权重对网络进行预训练已经取得了一些 成就 ，这可以避免局部最优和其他错误初始化的隐患。 不过，安德烈·卡帕蒂（AndrejKarpathy） 建议 不要对无监督的预训练感到过度兴奋。
如果你需要温习一下自动编码，可以看看斯坦福大学的深度学习 教程 ，其基本思路是建立一个可预测输入内容的神经网络。
先验知识
来源：Pexels
最后，同样重要的是，尝试并找到方法，结合特定的领域知识来指导学习过程。 例如，在通过概率性程序归纳进行 人类层次的概念学习 中，作者构建了一个模型，该模型利用过程中的先验知识从部分构建概念，这让其达到了人类水平的表现，并超过了当时的深度学习方法。
你还可以使用领域知识来限制对网络的输入，以降低维度或调整网络架构使其更小。
小芯把它作为最后的选择，因为整合先验知识是有挑战性的，而且通常是一种最耗时的选择。
小而不俗，又小又酷
来源：Pexels
目前数据科学的发展仍然存在大量问题，数据非常有限，获取更多的数据非常昂贵或不可能。
例如，检测罕见疾病或教育成果。 如果能找到一些方法来应用我们最好的技术，如深度学习，来解决这些问题。 难道没有让你兴奋不已，跃跃欲试吗？
虽然关于如何在有限的数据下利用深度学习技术的问题。 目前还没有得到足够讨论，但它背后蕴含的意义和无限可能，就足以让人激动难耐。
来吧，少年少女，我们一起来钻研吧~
推荐阅读专题
留言 点赞 发个朋友圈
我们一起分享AI学习与发展的干货
编译组： 齐欣、余书敏
相关链接：
https://towardsdatascience.com/how-to-use-deep-learning-even-with-small-data-e7f34b673987
如需转载，请后台留言，遵守转载规范
推荐文章阅读
长按识别二维码可添加关注
读芯君爱你
About The Author
