深度學習能夠如此成就，得益於其能夠相對輕鬆地解決大規模非凸優化問題。儘管非凸優化是 NP 困難的，但一些簡單的演算法，通常是隨機梯度下降（SGD）的變體，它們在實際擬合大型神經網路時表現出驚人的有效性。
本文中，來自華盛頓大學的多位學者撰文《 Git Re-Basin: Merging Models modulo Permutation Symmetries 》，他們研究了在深度學習中，SGD 演算法在高維非凸優化問題上的不合理有效性。他們受到三個問題的啟發：
1. 為什麼SGD 在高維非凸深度學習損失landscapes 的優化中表現良好，而在其他非凸優化設定中，如policy 學習、軌跡最佳化和推薦系統的穩健性明顯下降?
2. 局部極小值在哪裡？在初始化權值和最終訓練權值之間進行線性內插時，為什麼損失會平滑、單調地減少？
3. 兩個獨立訓練的模型，它們有不同的隨機初始化和資料批次順序，為何會達到幾乎相同的效能？此外，為什麼它們的訓練損失曲線看起來一樣
論文地址：https://arxiv.org/pdf/2209.04836. pdf
本文認為：在模型訓練中存在一些不變性，這樣一來才會有不同的訓練表現出幾乎相同的表現。
為什麼會這樣呢？ 2019 年，Brea 等人注意到神經網路中的隱藏單元具有排列對稱性。簡單的說就是：我們可以交換網路中隱藏層的任兩個單元，而網路功能將保持不變。 2021 年 Entezari 等人推測，這些排列對稱可能允許我們在權值空間中線性連接點，而不會損害損失。
下面我們以論文作者之一的舉例來說明文章主旨，這樣大家會更清楚。
假如說你訓練了一個 A 模型，你的朋友訓練了一個 B 模型，這兩個模型訓練資料可能不同。沒關係，使用本文提出的 Git Re-Basin，你能在權值空間合併這兩個模型 A B，而不會損害損失。
論文作者表示，Git Re-Basin 可適用於任何神經網路（NN），他們首次示範了在兩個獨立訓練（沒有預先訓練）的模型（ResNets）之間，可以零障礙的線性連通。
他們發現，合併能力是 SGD 訓練的一個屬性，在初始化時合併是不能工作的，但是會發生相變，因此隨著時間的推移合併將成為可能。
他們也發現，模型寬度與可合併性密切相關，即越寬越好。
此外，並非所有架構都能合併：VGG 似乎比 ResNets 更難合併。
這個合併方法還有其他優點，你可以在不相交和偏差的資料集上訓練模型，然後在權值空間中將它們合併在一起。例如，你有一些數據在美國，一些在歐盟。由於某些原因，不能混合數據。你可以先訓練單獨的模型，然後合併權重，最後再泛化到合併的資料集。
因此，在不需要預訓練或微調的情況下可以混合訓練過的模型。作者表示自己很想知道線性模式連結和模型修補的未來發展方向，可能會應用在聯邦學習、分散式訓練以及深度學習最佳化等領域。
最後也提到，章節 3.2 中的權重匹配演算法只需 10 秒左右即可運行，所以節省了大量時間。論文第 3 章也介紹了 A 模型與 B 模型單元相符的三種方法，對配對演算法還不清楚的小夥伴，可以查看原始論文。
這篇論文在推特上引發了熱議，PyTorch 聯合創始人Soumith Chintala 表示如果這項研究可以遷移到更大的設置，則它可以實現的方向會更棒。合併兩個模型（包括權重）可以擴展 ML 模型開發，並可能在開源的共同開發模型中發揮巨大作用。
另有人認為如果排列不變性能夠這樣高效地捕捉大部分等價性，它將為神經網路的理論研究提供啟發。
論文一作、華盛頓大學博士 Samuel Ainsworth 也解答了網友提出的一些問題。
首先有人問，「論文中是否有關於在訓練中針對獨特basin 的任何提示？如果有一種方法可以做到對排列進行抽象，那麼訓練速度可能會更快。」
Ainsworth 回覆稱，這點自己沒有想到。他真的希望能夠以某種方式實現更快地訓練，但目前為止已被證明非常困難。問題在於 SGD 本質上是一種局部搜索，因此利用高階幾何並不是那麼容易。也許分散式訓練是一種可行的方法。
還有人問是否適用於 RNN 和 Transformers？ Ainsworth 表示原則上適用，但他還沒有對此進行實驗。時間會證明一切。
最後有人提出，「這看起來對分散式訓練『成真』非常重要？難道DDPM（去噪擴散機率模型）不使用ResNet 殘差區塊嗎？」
Ainsworth 回覆稱，雖然他自己對DDPM 不是很熟悉，但直言不諱表示將它用於分散式訓練將非常令人興奮。
以上是零障礙合併兩個模型，大型ResNet模型線性連結只需幾秒，神經網路啟發性新研究的詳細內容。更多資訊請關注PHP中文網其他相關文章！
