15.深度學(xué)習(xí)之優(yōu)化算法-1

15.1 優(yōu)化與深度學(xué)習(xí)

15.1.1 優(yōu)化與深度學(xué)習(xí)

  • 優(yōu)化目標(biāo)
    • 最小化目標(biāo)函數(shù)
    • 降低泛化誤差
    • 避免過擬合
  • 挑戰(zhàn)
    • 局部最小值
    • 鞍點(diǎn)

15.1.2 局部最小值

  • 深度學(xué)習(xí)模型的目標(biāo)函數(shù)可能有若干局部最優(yōu)值。

15.1.3 鞍點(diǎn)

  • 當(dāng)前解在鞍點(diǎn)(saddle point)附近

15.1.4 提高深度學(xué)習(xí)的泛化能力

  • 使用更多數(shù)據(jù)
  • 使用更大批次
  • 調(diào)整數(shù)據(jù)分布
  • 調(diào)整目標(biāo)函數(shù)
  • 調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)
  • 數(shù)據(jù)增強(qiáng)
  • 權(quán)值正則化
  • 屏蔽網(wǎng)絡(luò)節(jié)點(diǎn)

15.2 優(yōu)化器-1

15.2.1 動(dòng)量法

  • 基本的想法就是計(jì)算梯度的指數(shù)加權(quán)平均數(shù)白嘁,并利用該梯度更新你的權(quán)重
  • 動(dòng)量法的提出是為了解決梯度下降的不穩(wěn)定性。
  • 指數(shù)加權(quán)移動(dòng)平均
    • 給定超參數(shù)0≤γ < 1,當(dāng)前時(shí)間步t的變量yt是上一時(shí)間步t-1的變量yt-1和當(dāng)前時(shí)間步另一變量xt的線性組合:
    • 可以對(duì)y_t展開:
  • 指數(shù)加權(quán)移動(dòng)平均
  • 由指數(shù)加權(quán)移動(dòng)平均理解動(dòng)量法

15.2.2 AdaGrad算法

  • 目標(biāo)函數(shù)自變量的每一個(gè)元素在相同時(shí)間步都使用同一個(gè)學(xué)習(xí)率來(lái)自我迭代
  • AdaGrad算法
    • 根據(jù)自變量在每個(gè)維度的梯度值的大小來(lái)調(diào)整各個(gè)維度上的學(xué)習(xí)率,從而避免統(tǒng)一的學(xué)習(xí)率難以適應(yīng)所有維度的問題
  • AdaGrad算法會(huì)使用一個(gè)小批量隨機(jī)梯度Gt按元素平方的累加變量St 。
  • 接著陕见,將目標(biāo)函數(shù)自變量中每個(gè)元素的學(xué)習(xí)率通過按元素運(yùn)算重新調(diào)整一下:

15.2.2.1 AdaGrad特點(diǎn)

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市绊序,隨后出現(xiàn)的幾起案子硕舆,更是在濱河造成了極大的恐慌,老刑警劉巖骤公,帶你破解...
    沈念sama閱讀 211,496評(píng)論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件抚官,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡阶捆,警方通過查閱死者的電腦和手機(jī)凌节,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,187評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)趁猴,“玉大人刊咳,你說我怎么就攤上這事±芩荆” “怎么了娱挨?”我有些...
    開封第一講書人閱讀 157,091評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)捕犬。 經(jīng)常有香客問我跷坝,道長(zhǎng),這世上最難降的妖魔是什么碉碉? 我笑而不...
    開封第一講書人閱讀 56,458評(píng)論 1 283
  • 正文 為了忘掉前任柴钻,我火速辦了婚禮,結(jié)果婚禮上垢粮,老公的妹妹穿的比我還像新娘贴届。我一直安慰自己,他們只是感情好蜡吧,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,542評(píng)論 6 385
  • 文/花漫 我一把揭開白布毫蚓。 她就那樣靜靜地躺著,像睡著了一般昔善。 火紅的嫁衣襯著肌膚如雪元潘。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,802評(píng)論 1 290
  • 那天君仆,我揣著相機(jī)與錄音翩概,去河邊找鬼牲距。 笑死,一個(gè)胖子當(dāng)著我的面吹牛钥庇,可吹牛的內(nèi)容都是我干的牍鞠。 我是一名探鬼主播,決...
    沈念sama閱讀 38,945評(píng)論 3 407
  • 文/蒼蘭香墨 我猛地睜開眼上沐,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼皮服!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起参咙,我...
    開封第一講書人閱讀 37,709評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤龄广,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后蕴侧,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體择同,經(jīng)...
    沈念sama閱讀 44,158評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,502評(píng)論 2 327
  • 正文 我和宋清朗相戀三年净宵,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了敲才。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,637評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡择葡,死狀恐怖紧武,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情敏储,我是刑警寧澤阻星,帶...
    沈念sama閱讀 34,300評(píng)論 4 329
  • 正文 年R本政府宣布,位于F島的核電站已添,受9級(jí)特大地震影響妥箕,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜更舞,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,911評(píng)論 3 313
  • 文/蒙蒙 一畦幢、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧缆蝉,春花似錦宇葱、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,744評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至芽偏,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間弦讽,已是汗流浹背污尉。 一陣腳步聲響...
    開封第一講書人閱讀 31,982評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工膀哲, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人被碗。 一個(gè)月前我還...
    沈念sama閱讀 46,344評(píng)論 2 360
  • 正文 我出身青樓某宪,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親锐朴。 傳聞我的和親對(duì)象是個(gè)殘疾皇子兴喂,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,500評(píng)論 2 348