听，是梯度的声音！用听觉监控神经网络训练，边听音乐边炼丹

大数据文摘出品

作者：钱天培、魏子敏

训练神经网络是个极为枯燥的工作。与其盯着Learning Curves发呆，或许可以调动一下其他感官，一起做点更有意思的事情。

比如说，眼睛看久了，可以让耳朵也活动活动。

一位酷爱弹吉他的数据科学家就希望，在调参时把其他器官也调动起来共同监督神经网络的训练。

他用一段程序将神经网络训练时的梯度转化成音频，这样，你就可以通过听不同的声音模式知晓训练情况。

先来一段我们制作的小样——梯度的声音！

听出来了嘛？这可是Adam optimizer的弹拨下，梯度发出的声音。

umm没错，确实很难听... 不过先别急着下结论，因为... 更难听的还在后头呢……

把梯度训练变成声音，边听音乐边炼丹

通常，我们需要通过测量许多不同的指标来完成训练，例如准确度、损失、梯度等。多数调参工程师会选择将这些指标整合，并在TensorBoard上绘制可视化图。

而这位名叫Christian S. Perone的数据科学家就厌倦了一直盯着各种参数的传统训练方式，经常玩音乐的他开发了一个小系统，把梯度训练变成声音，并且发布了全部120行代码。

Christian S. Perone也是位吉他手

他用一段程序将神经网络训练时的梯度转化成音频，通过听不同的声音模式就知道训练情况。

这是个讨巧的训练监督方式，毕竟，听觉是目前在神经网络训练中很少被用到的感官。而事实上，人类的听觉感官也非常敏锐，可以非常好地区分非常小的特征，例如节奏和音调，即便是很微小或者短暂的变动，人们也很容易有直观的感受。

先一起来看几个非常简单的训练例子。

以下的几段声音显示了我们使用每层的梯度范数进行的合成声音，以及使用不同设置（如不同学习率、优化器、动量）对MNIST进行卷积神经网络训练的训练步骤等。

使用LR 0.01训练声音与SGD

此段表示，在第一个epoch的前200个step中使用batch size为10的训练结果。我们选取了0.01的learning rate。音高越高，层的范数（norm）就越高，不同批次之前我们插入了短暂的静音。注意渐变在时间内增加。

使用LR 0.1训练声音与SGD

与上述相同，但我们把learning rate调高到了0.1。

使用LR 1.0训练声音与SGD

与上述相同，但是学习率更高，梯度爆炸并最后发散了，注意高音。嗯，听到最后觉得这个网络大概是死了吧，

使用LR 1.0和BS 256训练声音与SGD

相同的设置，但学习率高达1.0，批量大小为256.注意渐变如何爆炸，然后有NaNs导致最终声音。

这货真的有用吗？

花了这么大力气，我就想知道，靠耳朵调参真的靠谱吗？

没错，如你所料，可能没什么卵用。虽然在上面的例子中，我们可以很明显得听出不同参数的差别，但这些例子都是比较极端的情况。

所以，为什么还要制作这些音频呢？

大概是因为，调参真的是太无聊了吧。

开源代码，自己动手试试吧！

最后，还是放上Christian发布的完整开源代码，你需要安装PyAudio和PyTorch来运行代码。感兴趣的读者，不妨自己试试看。

相关报道：

http://blog.christianperone.com/2019/08/listening-to-the-neural-network-gradient-norms-during-training/

志愿者介绍

点「在看」的人都变好看了哦