本文经AI新媒体量子位授权转载，转载请联系出处。
如何最大限度地提升模型精度？
最近，谷歌等机构发现：性能不好的微调模型先不要扔，求一下平均权重！就能在不增加推理时间以及内存开销的情况下，提高模型的准确性和鲁棒性。比如，研究人员就使用该方法创造了imageNet1K的新纪录：90.94%。
将它扩展到多个图像分类以及自然语言处理任务中，也能提高模型的分布外性能，并改善新下游任务的零样本性能。
而这个方法还有一个有趣的名字，叫module soup——是不是让人一下子就让人联想到了斐波那契汤的笑话？（昨天的汤+前天的汤=今天的新汤）
一共三种配方
回想一下在此之前，大家是如何给模型涨点的呢？是不是先用各种超参数训练出多个微调模型，然后再挑出验证集上表现最好的那一个留下，其余丢掉？
由于神经网络是非线性的，在不同的loss basin中可能有许多解，因此module soup这一采用保留所有微调模型的权重，对其进行平均的方法就可以提高性能，还是让人有点惊讶的。
不过，最近就已有研究发现，从相同的初始化配置中中独立优化的微调模型，位于相同的误差范围内。
之前也有研究证明，沿单个训练轨迹进行权重平均，可以提高随机初始化训练模型的性能。作者正是从这些结论中受到启发。
module soup一共有三种配方（实现）：统一汤、贪婪汤和学习汤。其中贪婪汤是最主要采用的实现，因为它的性能比直接均匀地平均所有权重更高。具体来说，贪婪汤通过顺序添加每个模型作为汤中的潜在成分构建而成，并且只有在保持验证集上的性能有所提高时才将相应模型保留在汤中。排序按验证集精度的降序排列。
性能超越单个最佳微调模型
作者进行了全面的微调实验来确定module soup的有效性。首先是微调CLIP和ALIGN，这两个模型在图像-文本对上进行了对比损失预训练。结果经过module soup操作后，两者在分布内和自然分布转移测试集上的表现都比最佳的单个微调模型性能更佳。
然后是在JFT数据集上预训练的VIT-G模型。也就是它在imageNet1K数据集实现了90.94%的精度，打破了此前CoAtNet保持的90.88%，同时在推理阶段还减少了25%的FLOPs。
在图像分类任务以外，作者在NLP领域也对module soup进行了验证。下表是BERT和T5模型在GLUE benchmark的四个文本分类任务上的结果。可以发现，虽然改进不如图像分类中的效果明显，但在多数任务下，贪婪soup都可以相较最好的单个模型提高性能。
当然，作者也指出，Module soup在适用性等方面存在局限，比如现在测试的都是在大型异构数据集上预先训练的模型，在这些模型之外，效果并不是非常明显。
最后，知乎网友表示，其实这样的模型参数平均是一个经典trick，transformer原始论文就用了。
你发现了吗？
论文地址：https://arxiv.org/abs/2203.0548
