深度学习 Transformer 的标签平滑（Label Smoothing）

关注

原创最新推荐文章于 2026-08-04 18:10:30 发布 1.5k 阅读 AI 写同款· GEO 优化 ›

标签平滑（Label Smoothing）详解标签平滑（Label smoothing），像L1、L2和dropout一样，是机器学习领域的一种正则化方法，通常用于分类问题，目的是防止模型在训练时过于自信地预测标签，改善泛化能力差的问题。阅读详情

引言

标签平滑（Label Smoothing）是一种正则化技术，用于深度学习中的分类任务，尤其是在Transformer模型中。它的目的是减少模型对于训练数据中硬标签（hard labels，即标准的one-hot编码）的过度自信，从而提高模型的泛化能力并减少过拟合。

在这里插入图片描述

理解

标签平滑的原理

在传统的分类任务中，模型的输出通常通过softmax函数转换为概率分布，然后使用交叉熵损失函数与硬标签（one-hot编码）进行比较。硬标签意味着模型完全确定某个类别是正确的，其他所有类别都是错误的。这种方法可能会导致模型在训练数据上过拟合，因为它鼓励模型对正确类别的预测非常自信。

标签平滑通过将硬标签（hard labels）转换为软标签（soft labels）来解决这个问题。在软标签中，正确类别的概率不再是1，而是稍微小一些的值（例如，0.9），同时其他类别的概率也不再是0，而是分配了一个小的正数（例如，0.1 / 类别数）。

这意味着原本标签为1的位置会乘以一个小于1的因子（平滑系数），而原来为0的位置则会被赋予一个非零的值（平滑系数除以类别数K），这样就在标签中引入了一定的噪声。

标签平滑的公式

标签平滑的计算公式如下：

在这里插入图片描述

举例说明

假设我们有一个3分类问题，类别为A、B、C。在没有标签平滑的情况下，如果一个样本属于类别A，那么它的硬标签将是[1, 0, 0]。

在这里插入图片描述

标签平滑的优势在于

提升泛化能力：通过减少模型对硬标签的依赖，增加了模型在训练时的不确定性，使模型在面对未见过的数据时更加鲁棒。

降低过拟合风险：模型不会过分自信于任何一个类别，这有助于减轻过拟合现象。

改善模型校准：有助于提高模型预测值的置信度与实际准确度之间的一致性。

在这里插入图片描述

在Transformer中的应用

在Transformer模型中，标签平滑通常与交叉熵损失函数结合使用。这种结合的目的是在训练过程中提高模型的泛化能力，减少过拟合，并提高模型对不确定性的处理能力。下面详细解释这个结合是如何工作的：

交叉熵损失函数

在分类问题中，交叉熵损失函数（Cross-Entropy Loss）是衡量模型输出的概率分布与真实标签的概率分布之间差异的常用方法。对于多分类问题，交叉熵损失可以定义为：

其中：

( p ) 是真实标签的概率分布（在标签平滑的情况下，这是平滑后的软标签）。
( q ) 是模型预测的概率分布。

标签平滑的应用

在标签平滑中，真实标签 ( p ) 不再是硬编码的one-hot向量，而是变成了软标签。例如，对于一个类别为 ( C ) 的正确标签，其one-hot表示为 ( [0, 0, …, 1, …, 0] ) （类别 ( C ) 位置为1），在标签平滑后，它会变成 ( [e/K, e/K, …, 1-e, …, e/K] ) ，其中 ( e ) 是一个小于1的平滑系数（如0.1），( K ) 是类别总数。

标签平滑与交叉熵损失的结合

当使用标签平滑的软标签与交叉熵损失结合时，模型的损失函数变为：

举例说明

假设我们有一个3分类问题，模型预测一个样本属于类别A的概率为0.8，属于类别B和C的概率各为0.1。如果未使用标签平滑，真实标签为[1, 0, 0]。使用标签平滑，假设平滑系数为0.1，则真实标签变为[0.9, 0.05, 0.05]。

交叉熵损失计算如下：

这种计算方式使得模型即使对于非常有信心的预测也不会过于自信，因为其他类别的非零概率增加了模型的不确定性，从而鼓励模型在训练过程中考虑到更多类别的可能性。

标签平滑与交叉熵损失的结合使用，通过引入软标签，提高了模型对于标签噪声的鲁棒性，减少了模型在训练数据上的过拟合，从而在实际应用中提高了模型的泛化能力。这种技术在Transformer模型中尤其有用，因为Transformer模型通常用于复杂的序列建模任务，如机器翻译、文本摘要等，这些任务中标签的不确定性较高。