神经网络模型优化-训练优化

批训练

把训练数据切割成很多个 batch ，接着一个 batch 一个 batch 的喂给模型；

优点

1. 提高训练速度；
2. 对训练过程引入随机性；

这个随机性最重要，可以有效解决局部最优，我现在切分成很多很多 batch ，那么每个 batch 的初始位置随机性很大，就好像撒豆子，每个地方都撒一点，就不容易卡在某一个小坑。

红色部分表示 batch 数据，这样就可以几乎踩到每一个局部最优（绿色），进而找到全局最优。

动量梯度下降法(gradient descent with momentum)优化器

随机性过大有个坏处，不是每次迭代都往好的方向走，会导致计算时间过长，这个时候可以引入参数 β，来引入惯性。

β越大，(1-β)越小，dW 对 $v_w$ 的影响也就越小，相当于 $v_w$ 惯性越大，越不易改变，$v_b$ 也是如此。

RMSProp优化器

第一个式子是 dW²，和上一个优化器 $dW$ 不一样。
W 更新的时候，改变量除以根号$S_w$

相比于上一个纯粹惯性，跌跌撞撞走向全局最优解，这一个优化器会更加平稳地走向全局最优解。

优点

较为平稳

自适应矩估计 Adam 优化器

可以简单理解为前面两个优化器的结合，引入参数
$${\beta }_1,{\beta }_2,\epsilon ,t$$
${\beta }_1$经常取0.9, ${\beta }_2$经常取0.999，
其中 $\epsilon$，是一个很小的数，经常取 1e-8，1e-9，来防止该项爆炸。
$t$ 为迭代次数，相当于考虑步伐 ，由下面式子可知，使得 $v_w$, $v_b$改变时，在初始时刻步伐较大，快速向全局最优解进发，在最后就小心谨慎一点，慢慢向全局最优解挪动。

此外参数并不一定是这些值，还需要大佬们仔细调整。

优点

适合大规模数据，还可以解决高噪音，稀疏梯度等问题。