Python如何添加L1/L2正则化权重

PyTorch中应通过优化器的weight_decay实现L2正则，而非手动加param**2；它默认惩罚weight和bias，需手动分组避免正则BN参数；Keras中kernel_regularizer自动加入model.losses，但需确保训练循环显式聚合；L1正则适合剪枝但易梯度爆炸，宜用小系数并warmup；过大的weight_decay会抑制学习导致验证指标变差。

PyTorch里给Linear层加L2正则化，不能靠手动算loss

直接在 loss 里加 torch.sum(param ** 2) 看似简单，但会破坏自动求导链——尤其是当模型含 BatchNorm 或 Dropout 时，梯度更新可能不一致。PyTorch 的正规做法是通过 weight_decay 参数交给优化器统一处理。

• weight_decay 实际等价于 L2 正则项（不是 L2 范数），即对每个可训练参数加 0.5 * weight_decay * param.pow(2).sum()
• 只作用于 weight 和 bias（除非显式指定 params），但默认也会惩罚 bias，而多数论文只正则化 weight，需手动分离参数组
• 若模型含多个层类型（如 Conv2d + Linear），weight_decay 对所有匹配参数一视同仁，无法对某一层单独设 L1

Keras中用kernel_regularizer指定L1/L2，注意它不参与compile时的loss计算

kernel_regularizer 是 Keras 层级的声明式正则化，它把正则项自动加入到模型的 model.losses 列表中，但不会直接出现在你写的 loss 函数返回值里——这意味着必须在 model.compile() 后、fit() 前确认是否已启用 losses 的聚合。

• 默认情况下，model.train_step() 会把 model.losses 加到主 loss 上；但如果自定义了训练循环，必须显式调用 tf.add_n(model.losses)
• l1(0.01) 和 l2(0.01) 中的数值是系数，不是 λ/2，和 PyTorch 的 weight_decay 数值不可直接对照
• 正则化只作用于 kernel（即权重矩阵），bias 不受 kernel_regularizer 影响，这点比 PyTorch 默认行为更干净

TensorFlow 2.x 自定义L1正则化函数，别直接用tf.abs

自己写 def l1_reg(x): return tf.reduce_sum(tf.abs(x)) 看起来没问题，但在 Eager 模式下可能触发重复追踪或梯度异常；更稳妥的是复用 tf.keras.regularizers.L1 内部逻辑，或确保张量有梯度路径。

• 若传入的 x 是 tf.Variable，tf.abs 没问题；但若来自中间计算（如 layer.kernel * mask），需确认该子图未被 @tf.function 剪枝
• L1 正则化会让部分权重严格归零，适合剪枝场景，但训练初期容易导致梯度爆炸——建议配合较小的系数（如 1e-5）和 warmup
• 混用 L1+L2 时，不要手写 l1 + l2，改用 tf.keras.regularizers.L1L2(l1=1e-5, l2=1e-4)，它内部做了数值稳定性处理

为什么验证集指标有时随weight_decay增大反而变差

这不是 bug，而是正则强度和模型容量、数据噪声之间的博弈失衡。过大的 weight_decay 会过度压制参数更新，尤其在小批量或低学习率下，模型根本学不到有效特征。

• 典型现象：训练 loss 缓慢下降甚至卡住，验证 acc 波动剧烈或持续下跌，grad_norm 显著缩小
• 排查顺序：先固定学习率，用 torch.optim.lr_scheduler.CosineAnnealingLR 观察是否缓解；再检查是否误对 BatchNorm 的 weight 和 bias 应用了正则（应排除）
• 真正需要分层正则时（比如 embedding 层用 L2、FC 层用 L1），只能手动构建参数组，无法靠单个 weight_decay 实现

正则化的实际效果高度依赖于初始化、学习率缩放、batch size，以及你是否忘了把 BN 层的可训练参数从正则中剔除——这个细节，90% 的调试失败都卡在这一步。