深度学习笔记(2)：2.9 学习率衰减 | 2.10 局部最优问题

2.9 学习率衰减

今天来讲一下关于学习率衰减(learning rate decay)的问题。首先说一下为什么要衰减学习率，如下图所示：

假设我们使用mini-batch梯度下降法，之前我们已经讲过它的一些特点，比如路径曲折不直接、有噪音(路径曲折不直接和有噪音是一回事)、在最优值附近波动不收敛。也许在刚开始学习时，我们可以承受较大的步长带来的代价，但是随着不断学习至开始收敛时，通过慢慢的减少学习率，减少步长，我们可以使梯度在最优值附近更小的区域内波动，使结果更准确稳定。

我们在之前的博文中讲过1 epoch表示遍历一次完整的数据集，我们希望学习率能够随着训练过程不断减少，而epoch可以作为这个参数影响学习率的大小，因为epoch的数值表示训练已经遍历了数据集几次。

在这里，我们令，epochnum就是epoch数值，decay-rate(衰减率)是我们要选择的超参数。

上图举了一个具体的例子，若，decay-rate=1，那么的值随着epoch的值改变如上表所示，这里老师写法错误，的值应该是0.1，0.067，0.05，0.04等等。总之，的值是随着epoch的值增加而不断减少的。

除了刚才介绍的方法，我们还有一些其他定义衰减的方法如上图所示。

比如指数衰减(exponentially decay)方法，令；

或者加一个超参数k，令，或者，这里t是mini-batch的大小；

或者是离散化下降(discrete staircase)的方法，在一小段时间内梯度保持不变。我曾经使用过proximal gradient方法，这个算法首先设定一个学习率，然后计算一个不等式，如果不等式成立，那么不更新学习率，若等式不成立，那么令，然后接着训练。那么就会有上图中distance staircase这样的情况。

再或者，就是手动调试啦。

2.10 局部最优问题

在前期对高维神经网络认识还不够深的时候，大家多担心优化算法，害怕求解会困在局部最优。随着对高维神经网络认识的加深，大家想法发生了很大转变，现在我们再来谈一下对局部最优和优化算法的理解。如下图所示：

以前，大家认为神经网络中会有很多局部最优(local optimal)，如上图左侧所示，在三维情况中，图中所标示的蓝点都是局部最优，所以认为神经网络训练困在局部最优是最严重的问题，我们将低维中的问题直接套在高维下是不切实际的，实际上，在高维情况下，局部最优出现的情况很少，而右侧图出现的几率更大，为什么呢？我们来分析一波。

右侧的情况我们称为鞍点(saddle point)，我们发现绿点处梯度为0，即它在每个方向上导数都为0。在高维情况下，如果梯度为0，那么在每个方向它既有可能是凸函数，也有可能是凹函数，比如绿点，在w1方向上它是凸函数，但在w2方向上它是凹函数，所以绿点不是一个局部最优，而是鞍点。看到这里你可能知道了，如果一个点是局部最优，那么在每个方向上都应该是凸函数。在20000维的情况中，在所有梯度为0的点中，局部最优出现的概率是，鞍点出现的概率是(除了局部最优，还有全是凹函数的情况)。

对于鞍点和局部最优，可以理解为是扔多枚硬币的过程，这些硬币全为正面就是局部最优解，有部分为正面就为鞍点，硬币的个数就是数据的维度，如果维度越高，那么出现局部最优的概率就越低，但鞍点的数目却是呈指数增长。

至于鞍点为什么叫鞍点，吴老师的神画工可以很好地告诉我们原因。

除了因为局部最优在高维中出现的概率小，我们不必为它太过烦恼(一定要注意是在高维情况下)，还有就是局部最优本来也并非想象中那么可怕，我们担心的是找到的解和全局最优相差很大，因为最重要的是要找到相对较低的局部最优值。实践中也会发现最优解附近的解泛化效果通常要比最优解好。

局部最优不是问题，那么什么是问题呢？平原(plateaus)问题。平原是指鞍点周围梯度很小的平稳区域。

平原会使训练变得很慢，因为梯度长时间接近0。假设从左上开始训练，因为梯度太小，训练很慢，经过很长一段时间后到达鞍点，然后因为优化算法的左右扰动，可能最终会跳出平稳段，沿着红色箭头继续下降。

总之，局部最优问题几乎不是我们需要优先考虑的问题。首先，出现概率很小，其次，问题严重性不高。真正需要我们考虑的是鞍点周围区域平原带来的训练缓慢问题，改进的优化算法momentum，RMSprop，Adam能够大大提高计算速度，帮助神经网络快速离开平稳段。

 

版权声明：尊重博主原创文章，转载请注明出处https://blog.csdn.net/kkkkkiko/article/details/81411530