吴恩达深度学习网课 通俗版笔记——（02.改善深层神经网络）第二周 优化算法

改善深层神经网络——优化算法

前面已经学会了基本的神经网络搭建，但只有把参数调好，使各项设置更符合自己的问题，才能最大化网络性能

---

2.1 Mini-batch梯度下降法

在前面的梯度下降法中，使用向量化的方法对多样本进行了处理，当数据量非常大时（百万级以上），一次性迭代遍历所有训练集运算速度会很慢。

Mini-batch：将训练集分割成k个子集，在每个子集上进行梯度下降，这样每一次迭代都会进行k次梯度下降，这会使运算速度更快。

2.2 理解Mini-batch梯度下降法

普通batch的代价随迭代次数一般是下降且较为平滑，而Mini-batch一次迭代中随着每个子集的梯度下降往往会有很多噪声，一般不能单调下降。（可能第一个batch容易计算，而第二个batch不容易计算，因此会噪声抖动）

• 若Mini-batch大小选择为样本总数m，则等价于普通batch
• 若选择为1，则称之为随机梯度下降，这种方式失去了向量化的优势，每个样本都做一次梯度下降，会有很多噪声，且不能收敛
• 最好选择中间值
  
  具体的大小选择：
• 样本数较小，直接用batch梯度下降法
• 尝试2的次方数，用的比较多的是64、128、256、512
• 选择的大小至少得要电脑的CPU/GPU能接受

2.3 指数加权平均

该节用一个计算天气变化趋势的例子，给了一个指数加权平均的直观印象。通过给前一天温度和当天温度设置权重，计算每日温度的指数加权平均值。

(1-β)*当天温度可以这么理解：当天温度所占权重为1-β，则说明总天数一共有1/1-β。比如权重0.5，在说明计算的是两天的温度平均值，影响占了一半嘛。

β越大，平均的天数更多，曲线右移，且更加平坦

不要太细抠这一节。

2.4 理解指数加权平均

接上一节天气数据的例子，把式子倒过来写，其实是一个递归过程，用后面的项替换到前面的项。V100相当于设置一个权重衰减函数对应系数，和天气温度数据相乘再累和起来。

具体算的是多少天的平均温度就看权重的多少次方约等于1/e，和之前的1/1-β结果一致。

具体实现就只设置一个变量v，不断重复累和计算即可。

这节也别细抠，知道大概过程就行了。

2.5 指数加权平均的偏差修正

在指数加权平均数的计算中，初期的估测值往往不怎么准，如果对于这些值比较看重的话，可以使用偏差修正。

偏差修正就是在原来公式计算的基础上，再做一个运算，得到的值会更加准确一些。注意公式中有个t次方！

2.6 动量梯度下降法

该节介绍动量梯度下降法，这是一种比普通梯度下降法性能更好的参数更新方法，它在收敛到最小值时波动更小，且往最小值的移动速度更快。

该方法利用的是前面几节介绍的指数加权平均数的思想，计算完dw、db后进行一次加权平均后，再进行参数更新。

2.7 RMSprop

该节介绍RMSprop算法（root mean square），它与momentum近似，都可以加快梯度下降。

实现思路就是momentum做一点变形，目的都是为了消除原始梯度下降中的一些摆动，如下图。

2.8 Adam优化算法

该节介绍Adam优化算法，该算法是momentum和RMSprop算法的结合。

偏差修正可根据情况看是否使用，两个β区分开来，更新参数时V和S均用上。

2.9 学习率衰减

该节介绍学习率衰减，它是为了在迭代中让参数值更好地收敛到最优，加快训练速度。

每次迭代均会过一遍整个训练集，学习率衰减就是在每次迭代后都减小α的值，使下一次迭代收敛地更慢，方法如下图。

衰减公式也可以采用其他的指数衰减，平方根衰减以及手动衰减等等。

2.10 局部最优的问题

梯度为0的地方并不是局部最优点，一般称为鞍点。

本节只需知道两个问题：

1. 局部最优基本上找不到，尤其高维空间里
2. 平稳段会导致学习非常慢，前面介绍的几个加快梯度下降的优化算法起作用