paddle深度学习基础之优化算法
前言
咱们前面通过优化损失函数，将之前按用的均方误差损失函数换成了最合适的交叉熵损失函数。这一节，咱们将在优化算法上进行讨论。
网络结构
关于学习率
学习率我们大家一定不陌生，就是优化算法中的参数learning_rate。这个我们之前的例子把它比作步长。
步长越小，我们下山的速度就越慢，也就是我们下到山底需要很长时间
步长越大，我们下山的速度就越快，但是我们很容易就一步跨过山底，到另一个山上。
不同学习率（步长过大/过小）的示意图
所以，在我们进行模型调参的时候，可以通过设置不同的学习率，观察损失值的变化，来找到适合你这个模型的学习率。
学习率主流优化算法
-
SGD ：随机梯度下降，每次从大量训练数据中抽取少量数据，这就会造成一种上下波动。但是总体方向都是朝着最小值走的。
-
Momentum：我们称之为动量梯度下降。什么意思呢，这个算法参照了物理学中的惯性。在物体前进的过程中，速度越块，惯性就越大，不容易收到其他方面的影响。比如篮球，重的篮球惯性大，更不容易受到手势的小幅变形或风吹的影响。引入这个概念是因为SGD在下降的过程中，会进行一定的波动。我们引入物理动量的概念，给梯度下降的过程加入一定的“惯性”累积，就可以减少更新路径上的震荡！即每次更新的梯度由“历史多次梯度的累积方向”和“当次梯度”加权相加得到。历史多次梯度的累积方向往往是从全局视角更正确的方向，这与“惯性”的物理概念很像，也是为何其起名为“Momentum”的原因。
-
AdaGrad ：如果说上述是从梯度方向上的考量，那么这个算法是从学习率的大小来考量的。我们所希望的是，在梯度下降的前期，步长能够大一些，到快要接近最低点的时候，步长小一些。这个算法的思路就是 **根据不同参数距离最优解的远近，动态调整学习率。学习率逐渐下降，依据各参数变化大小调整学习率。**根据这个思想编写的优化算法称为“AdaGrad”，Ada是Adaptive的缩写，表示“适应环境而变化”的意思。
-
Adam ：这个是算法不做过多解释，是将AdaGrad和Monmentum两个算法思路结合起来，也是我们现在应用的最广泛的算法。
代码实践
#四种优化算法的设置方案，可以逐一尝试效果
optimizer = fluid.optimizer.SGDOptimizer(learning_rate=0.01)
#optimizer = fluid.optimizer.MomentumOptimizer(learning_rate=0.01)
#optimizer = fluid.optimizer.AdagradOptimizer(learning_rate=0.01)
#optimizer = fluid.optimizer.AdamOptimizer(learning_rate=0.01)
上述代码分别对应的就是上面咱们介绍的优化算法，大家可以一一尝试，找到适合自己模型的那一个算法。
分别对应的就是上面咱们介绍的优化算法，大家可以一一尝试，找到适合自己模型的那一个算法。
