6.7.2 ハイパーパラメータ調整戦略

この節の位置づけ

ハイパーパラメータ調整は実験設計です。重要な変数を 1 つ変え、記録を残し、validation の証拠を比較して、次の一手を決めます。

学習目標

• 何でも同時に変えず、安定した順序で調整できる。
• PyTorch で小さな learning-rate sweep を実行できる。
• validation loss、validation accuracy、訓練の安定性を一緒に読める。
• 再利用できる表で実験 evidence を記録できる。
• learning rate、batch size、正則化、early stopping のどれを次に調整すべきか判断できる。

---

まずルートを見る

実践的な順序：

訓練を動かす→learning rate を調整する→validation を見る→overfitting を抑える→局所的に細かく詰める

最初からすべての knob を回さないでください。有用な調整実験は、1 つの質問に答えるべきです。

質問	まず試すパラメータ	見るもの
モデルはそもそも学習するか	learning rate	train loss の傾向
訓練が不安定か	learning rate、gradient clipping、batch size	spike や divergence
validation が training より悪いか	weight decay、dropout、augmentation、early stopping	generalization gap
訓練が遅すぎるか	batch size、model size、precision	時間とメモリ
deploy には重すぎるか	architecture、pruning、quantization	latency と size

実験：Learning-Rate Sweep を走らせる

この toy classification task は小さくてすぐ動きますが、調整の流れを学べます。

lr_sweep.py を作成します。

import torch
from torch import nn

torch.manual_seed(11)

X = torch.randn(240, 2)
y = ((X[:, 0] * 0.8 + X[:, 1] * -0.5) > 0).long()

train_x, val_x = X[:180], X[180:]
train_y, val_y = y[:180], y[180:]


def run(lr):
    torch.manual_seed(123)
    model = nn.Sequential(nn.Linear(2, 8), nn.ReLU(), nn.Linear(8, 2))
    opt = torch.optim.SGD(model.parameters(), lr=lr)
    loss_fn = nn.CrossEntropyLoss()

    for _ in range(40):
        logits = model(train_x)
        loss = loss_fn(logits, train_y)
        opt.zero_grad()
        loss.backward()
        opt.step()

    with torch.no_grad():
        train_loss = loss_fn(model(train_x), train_y).item()
        val_logits = model(val_x)
        val_loss = loss_fn(val_logits, val_y).item()
        val_acc = (val_logits.argmax(dim=1) == val_y).float().mean().item()

    return train_loss, val_loss, val_acc


results = []
for lr in [1e-3, 1e-2, 1e-1, 1.0, 10.0]:
    train_loss, val_loss, val_acc = run(lr)
    results.append((lr, train_loss, val_loss, val_acc))

print("lr_sweep")
for lr, train_loss, val_loss, val_acc in results:
    print(
        f"lr={lr:g} "
        f"train_loss={train_loss:.3f} "
        f"val_loss={val_loss:.3f} "
        f"val_acc={val_acc:.3f}"
    )

best = min(results, key=lambda row: row[2])
print("best_lr:", best[0])

実行します。

python lr_sweep.py

期待される出力：

lr_sweep
lr=0.001 train_loss=0.763 val_loss=0.733 val_acc=0.450
lr=0.01 train_loss=0.675 val_loss=0.663 val_acc=0.533
lr=0.1 train_loss=0.340 val_loss=0.373 val_acc=0.967
lr=1 train_loss=0.053 val_loss=0.072 val_acc=0.983
lr=10 train_loss=0.280 val_loss=0.291 val_acc=0.883
best_lr: 1.0

読み方：

• 0.001 と 0.01 は、この budget では遅すぎます。
• 0.1 と 1.0 はよく学習しています。
• 10.0 はまだ訓練できますが悪化しているので、大きければよいわけではありません。
• ここでは training loss ではなく validation loss で選びます。

次に何を調整するか

妥当な learning rate を見つけたら、次の順で進めます。

1. Batch size：メモリ、速度、gradient noise を調整する。
2. Epochs と early stopping：validation が伸びなくなったら止める。
3. Weight decay と dropout：overfitting を抑える。
4. Architecture size：loop が安定してから容量を変える。
5. Optimizer details：必要に応じて betas、scheduler、warmup、momentum を調整する。

ルール：

まず広く探し、あとで近くを細かく詰める

最小の実験ログ

小さな project でも log を残します。

グループ	記録する項目
識別情報	experiment_id、code_version、data_version、seed
ハイパーパラメータ	lr、batch_size、optimizer、weight_decay、dropout、epochs
結果	best_val_metric、train_time、decision

decision の例：

quick sweep では lr=1.0 が最も良い validation loss。
次は lr=1.0 を固定し、batch_size=32 と 64 を比較する。

残す証拠

tuning decision card を 1 つ残します。

質問

どの単一変数がテストされたか？

固定済み

データ分割、seed、モデル、optimizer の種類、学習予算

変更点

学習率の値

選択指標

検証損失または検証精度

最良設定

速い探索で lr=1.0

次の実験

一度に多くの設定を変えず、ローカルな微調整を1つ行う

診断パターン

パターン	ありそうな原因	次の実験
train loss が動かない	LR が低い、モデルが小さい、label が悪い	LR を上げる、data を確認する、モデルを大きくする
train loss が発散する	LR が高い、gradient が不安定	LR を下げる、clipping を入れる
train は良いが validation が悪い	overfitting または leakage	正則化を足し、split を確認する
validation が良くなった後で悪化する	best epoch の後に overfitting	early stopping
seed で結果が大きく変わる	訓練が不安定、または data が少ない	3 seed で mean/std を出す

よくある間違い

間違い	直し方
LR、batch size、optimizer、model を同時に変える	1 実験で主変数を 1 つに絞る
training metric で選ぶ	validation metric で選ぶ
runtime を無視する	時間とメモリも記録する
lucky seed を信じる	重要な run は複数 seed で繰り返す
data が汚いまま調整する	label、leakage、preprocessing を先に確認する

練習

1. sweep に lr=0.3 と lr=3.0 を追加してください。どちらが良い領域に近いですか。
2. training budget を 40 step から 10 step に変えてください。best LR は変わりますか。
3. 各 LR を 2 つの seed で実行し、seed 列を追加してください。
4. LR sweep の後に行う次の実験を 1 文で書いてください。
5. 1 つの実験が 1 つの質問に答える形だと、なぜ調整が簡単になるのか説明してください。

参考実装と解説

1. 多くの場合 lr=0.3 の方が使える領域に近く、lr=3.0 は発散や振動を起こしやすいです。最終判断は検証曲線で行います。
2. 予算が短いと、大きめの学習率が良く見えることがあります。長い予算では安定性も重要です。
3. seed を増やすと平均とばらつきを見られます。1 回だけの良い結果に引っ張られにくくなります。
4. 次の実験は具体的に書きます。例: 0.03 から 0.3 の間を細かく調べ、各設定を 2 seed で走らせる。
5. 1 回の実験で 1 つの問いに答えると、結果の原因を追いやすく、記録も再現しやすくなります。

まとめ

• 調整は制御された実験設計であり、勘ではありません。
• Learning rate は多くの場合、最初に試す knob です。
• 判断は validation の evidence で行います。
• Log があれば、実験は再現しやすく解釈しやすくなります。
• まず広く調整し、あとで局所的に詰めます。