1.mini-batch size
表示每次都只筛选一部分作为训练的样本,进行训练,遍历一次样本的次数为(样本数/单次样本数目)
当mini-batch size 的数量通常介于1,m 之间
当为1时,称为随机梯度下降
一般我们选择64,128, 256等样本数目
2. 指数加权平均
v0 = 0
v1 = 0.9 * v0 + 0.1 * θ1 v0表示前一次的数值,θ1表示当前的数值
v2 = 0.9 * v1 + 0.1 * θ2
v3 = 0.9 * v2 + 0.1 * θ3
v4 = 0.9 * v3 + 0.1 * θ4
vt = β * vt-1 + (1-β) * θt
举个例子:
v100 = 0.1*θ100 + 0.1*0.9*θ99 + 0.1*0.9^2*θ98 ...
指数加权的偏差修正
vt / (1-β^t) β 通常表示 0.9, t表示时间
(1-ξ)^(1/ξ) = 1/e
3. Momentum 梯度下降法, 加快梯度下降的速度,在横轴方向上进行了加权,因为方向相同,在纵轴上进行了削减,因为方向相反,因此梯度下降前进的方向更快
动量梯度下降法, 前一次的方向与当前次的方向进行指数加权,得到当前此的方向
vdw = β * vdw(forward) + (1-β) * dw
vdb = β * vdb(forward) + (1-β) * db
w: = w - α * vdw
4. RMS prop
Sdw = β * sdw(forward) + (1 - β) * dw^2
Sdb = β * sdb(forward) + (1 - β) * db^2
w: = w - α * dw/(sqrt(sdw)+ε)
b: = b - α * db/(sqrt(sdb)+ε)
5. Adam 优化算法,是将动量梯度下降法与RMS prop 结合
vdw = 0
sdw = 0
vab = 0
sab = 0
vdw = β1 * vdw(forward) + (1-β1) * dw
vdb = β1 * vdb(forward) + (1-β1) * db
Sdw = β2 * sdw(forward) + (1 - β2) * dw^2
Sdb = β2 * sdb(forward) + (1 - β2) * db^2
vdw(correct) = vdw / (1-β1^t)
vdb(correct) = vdb / (1-β1^t)
Sdw(correct) = Sdw / (1-β2^t)
Sdb(correct) = Sdb / (1-β2^t)
w: = w - α * vdw(correct)/(sqrt(Sdw(correct))+ε)
b: = b - α * vdb(correct)/(sqrt( Sdb(correct) )+ε)
β1 = 0.9
β2 = 0.999
ε = 10^-8
6. Learning rate decay
根据迭代的次数,加快学习率的降低,使得样本参数更容易发生收敛,但是一般情况下不使用
3种更新α的公式
α = 1 / (1 + decay-rate * epoch-num) * α0 α0表示初始学习率, decay-rate 表示衰减层度, epoch-num 表示迭代次数
α = 0.95^epoch_num * α0
α = k / sqrt(epoch_num) * α0