图标不正常怎么办呢(图标出不来怎么回事)
828
2022-05-30
本文介绍多任务学习中目标权重平衡方法。
传统多任务目标函数构造的问题:
多任务损失函数定义如下:
相应的,随机梯度下降的权重更新公式如下:
(注释:这里是共享层最后一层的权重,具体和多任务学习的网络构造有关,这里不做具体介绍。)
当某一个任务的梯度占据主导地位,或者任务梯度冲突时,权重更新可能并不是最优的。
Dynamic Task Prioritization - 动态任务优先
1. 本方法首先引入了Key Performance Indicators(KPI)参数,通常是准确率或者平准准确率,用于代表任务的难易程度。
KPI随着轮次的增加不断修正,
其中α代表discount factor,可以自定义,τ代表轮次。
2. 其次,基于KPI的定义,每个任务的权重可以表示为
对于KPI越高的任务,一般准确率较高,权重也会相应较小。
3. 最后,基于每个任务的权重,我们可以给出整个loss函数为:
其中FL函数,代表上面的。
参考文献:
【1】. Guo M, Haque A, Huang D A, et al. Dynamic task prioritization for multitask learning[C]//Proceedings of the European Conference on Computer Vision (ECCV). 2018: 270-287.
【2】.知乎专栏:https://zhuanlan.zhihu.com/p/269492239
机器学习
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。