边喂奶边调参：一个全职妈妈的AI模型训练实战手记
上周五晚上十一点半，娃终于睡了。我蹑手蹑脚地打开MacBook Pro，屏幕亮起的那一刻，仿佛回到了“职场人”的身份。其实现在我已经算是“自由职业+带娃”双线作战选手了——白天陪娃搭积木、读绘本，晚上（如果娃肯睡）就撸代码、调模型。坐标成都，生活节奏是舒服的，但技术债可不会因为你在泡奶粉就自动消失。
最近接手了一个老项目重构任务：用AI模型预测某个区块链交易网络中的异常行为。说白了，就是判断一笔链上转账是不是洗钱、套利或者机器人刷量。听起来高大上，实则天天在和数据噪声、模型过拟合、还有产品经理那句“能不能再准一点？”搏斗。
这篇文章，就聊聊我在训练这个模型过程中踩过的坑、学到的技巧，顺便穿插点面试题级别的思考——毕竟，谁还没个跳槽梦呢？
问题背景：不是所有数据都配叫“训练集”
这个项目最初是外包团队做的，模型准确率只有78%，召回率更是惨不忍睹。领导拍桌子：“这玩意儿上线了会被用户骂死！” 于是锅就甩到了我头上。接手时，我心里其实有点虚：毕竟半年没碰正经的深度学习项目了，上一次跑训练还是在娃还没出生前。
数据来自某公链的历史交易记录，字段包括：发送方地址、接收方地址、金额、时间戳、Gas费、合约交互标识等。标签是人工打标的“正常/异常”。乍一看挺标准，但实际一探查，问题一堆：
- 标签噪声严重：有些“异常”其实是新DeFi协议的正常交互；
- 极度不平衡：异常样本只占0.3%；
- 地址匿名性：没法直接用地址ID做特征，得靠图嵌入或行为聚类。
更离谱的是，测试环境用Windows跑出来的结果和我Mac本地完全对不上——后来发现是PyTorch版本不一致导致的随机种子失效。从此我立下规矩：开发用Mac，Windows只用来验证兼容性，其他时候请远离我的键盘。
调优实战：从“能跑”到“靠谱”
第一步：别急着上Transformer，先搞定数据
很多新人（包括曾经的我）一上来就想着用最新最炫的模型。但现实是：垃圾进，垃圾出。我花了一周时间做数据清洗和增强：
- 把高频正常地址聚类，生成合成异常样本（SMOTE不太适用，改用GAN-based oversampling）；
- 对时间戳做周期性编码（hour-of-day, day-of-week）；
- 地址用Node2Vec做图嵌入，再拼接交易行为统计特征（如7天内交易频次、平均金额波动等）。
# 地址图嵌入示例（简化版）
from node2vec import Node2Vec
graph = build_transaction_graph(df) # 构建交易关系图
node2vec = Node2Vec(graph, dimensions=64, walk_length=30, num_walks=200)
model = node2vec.fit(window=10, min_count=1)
address_embeddings = {node: model.wv[node] for node in graph.nodes()}
这一步让AUC直接从0.82提升到0.89。有时候，特征工程比换模型更有效——这话我面试时也常被问到：“你认为模型调优中最重要的环节是什么？”
第二步：模型选型：XGBoost vs GNN vs TabNet？
项目初期用了XGBoost，快、稳、可解释。但面对图结构信息时力不从心。后来尝试GraphSAGE，效果不错，但训练慢得像蜗牛——尤其在我这台2019款MacBook上，风扇狂转，娃都被吵醒了两次。
最后折中方案：用TabNet做主干，融合图嵌入特征。TabNet既能处理表格数据，又有注意力机制，还能输出特征重要性，方便和风控团队对齐逻辑。
from pytorch_tabnet.tab_model import TabNetClassifier
clf = TabNetClassifier(
n_d=32, n_a=32,
n_steps=5,
gamma=1.3,
optimizer_params={"lr": 0.02},
scheduler_params={"step_size":10, "gamma":0.9},
seed=42 # 别忘了固定随机种子！
)
clf.fit(X_train, y_train, eval_set=[(X_valid, y_valid)], max_epochs=100)
关键参数调优心得：
n_steps控制决策步数，太大容易过拟合；- 学习率配合StepLR调度器，比AdamW更稳；
- 一定要设早停（early stopping），不然半夜训练完发现过拟合了，真的会哭。
第三步：处理不平衡：Focal Loss + 动态采样
0.3%的正样本，普通交叉熵根本学不到东西。我试过加class_weight，效果一般。后来换成Focal Loss，聚焦难分类样本：
import torch.nn.functional as F
def focal_loss(pred, target, alpha=0.75, gamma=2):
ce_loss = F.binary_cross_entropy_with_logits(pred, target, reduction='none')
pt = torch.exp(-ce_loss)
loss = alpha * (1 - pt)**gamma * ce_loss
return loss.mean()
同时，在DataLoader里加入动态负采样：每个batch里保证至少20%是正样本。虽然训练速度慢了30%，但召回率从52%飙到81%——风控团队终于不再追着我问“为什么漏报这么多”。
面试题视角：这些坑，面试官最爱问
干这行久了你会发现，工作中踩的坑，往往就是面试题的原型。比如：
“你们怎么处理类别极度不平衡的问题？”
别只答“用SMOTE”或“调class_weight”，得结合场景：
→ 我们用GAN生成少数类 + Focal Loss + batch-level动态采样，三管齐下。
“如何评估异常检测模型的效果？”
别只说“看准确率”——在不平衡场景下，准确率是骗人的！我们主要看：
- 召回率（Recall）：不能漏掉真异常；
- Precision@K：前K个预警中多少是真的；
- AUC-PR曲线（不是ROC！），因为负样本太多，ROC会虚高。
顺便吐槽一句：有次面试官问我“区块链和AI怎么结合”，我差点笑出声——这不就是我天天在干的事吗？不过也提醒我：技术要落地，得懂业务。光会调参，不懂Gas费、MEV、闪电贷，模型根本抓不住关键模式。
效果对比：数字不说谎
调优前后关键指标对比如下：
| 指标 | 初始模型（XGBoost） | 最终模型（TabNet + 图嵌入 + Focal Loss） |
|---|---|---|
| AUC-ROC | 0.82 | 0.94 |
| AUC-PR | 0.31 | 0.68 |
| Recall@0.9 Precision | 48% | 81% |
| 推理延迟（单条） | 8ms | 15ms |
虽然延迟翻了近一倍，但在风控场景下，宁可慢一点，也不能漏报。而且通过ONNX导出+TensorRT优化，线上服务延迟压回了10ms内——感谢运维小哥没把我拉黑。
写在最后：当妈后，代码更干净了
很多人觉得带娃会影响技术成长。但说实话，当了妈反而让我写代码更谨慎了。以前可能随便改个配置就push，现在会多想三遍：“这会不会半夜崩？会不会让测试小姐姐加班？”
而且，碎片化时间逼我学会了高效学习：娃午睡一小时，我就啃一篇论文；喂奶时听AI播客；甚至在游乐场排队时用手机看GitHub issue。这种“见缝插针”的能力，比什么算法都珍贵。
所以啊，别信什么“35岁危机”、“妈妈程序员不行”的鬼话。只要键盘还在响，脑子还在转，我们就永远在线。
对了，下周又要和产品开会讨论“能不能把召回率提到90%以上”……算了，先把这篇博客发了，然后去热奶瓶。毕竟，AI可以重启，娃哭了可不能等。
P.S. 如果你也是一边带娃一边coding的战友，欢迎留言交流。咱们组个“深夜码农妈妈联盟”，互相打气，顺便交换防秃头秘方（狗头保命）
评论 0