学习笔记一:learning rate,weight decay和momentum的理解

说到这些参数就会想到 Stochastic Gradient Descent (SGD)!其实 这些参数在 caffe.proto 中 对caffe网络中出现的各项参数做了详细的解释。

Learning Rate

学习率决定了权值更新的速度,设置得太大会使结果超过最优值,太小会使下降速度过慢。仅靠人为干预调整参数需要不断修改学习率,因此后面3种参数都是基于自适应的思路提出的解决方案。后面3中参数分别为:Weight Decay 权值衰减,Momentum 动量和Learning Rate Decay 学习率衰减。


Weight decay

在实际应用中,为了避免网络的过拟合,必须对价值函数(Cost function)加入一些正则项,在SGD中加入这一正则项对这个Cost function进行规范化:


上面这个公式基本思想就是减小不重要的参数对最后结果的影响,网络中有用的权重则不会收到Weight decay影响。

在机器学习或者模式识别中,会出现overfitting,而当网络逐渐overfitting时网络权值逐渐变大,因此,为了避免出现overfitting,会给误差函数添加一个惩罚项,常用的惩罚项是所有权重的平方乘以一个衰减常量之和。其用来惩罚大的权值。

Momentum 

动量来源于牛顿定律,基本思想是为了找到最优加入“惯性”的影响,当误差曲面中存在平坦区域,SGD就可以更快的学习。


Learning Rate Decay 

该方法是为了提高SGD寻优能力,具体就是每次迭代的时候减少学习率的大小。


点击这里:Difference between neural net weight decay and learning rate

接下来是我在知乎查询到的一点资料(整理了供大家参考学习):
weight decay(权值衰减) 的使用既不是为了提高收敛精确度也不是为了提高收敛速度,其最终目的是防止过拟合。在损失函数中,weight decay是放在正则项(regularization)前面的一个系数,正则项一般指示模型的复杂度,所以weight decay的作用是调节模型复杂度对损失函数的影响,若weight decay很大,则复杂的模型损失函数的值也就大。
momentum 是梯度下降法中一种常用的加速技术。对于一般的SGD,其表达式为 , 沿负梯度方向下降。而带momentum项的SGD则写生如下形式:


其中 即momentum系数,通俗的理解上面式子就是,如果上一次的momentum(即 )与这一次的负梯度方向是相同的,那这次下降的幅度就会加大,所以这样做能够达到加速收敛的过程。
normalization (batch normalization)。batch normalization的是指在神经网络中激活函数的前面,将 按照特征进行normalization,这样做的好处有三点:
  1. 提高梯度在网络中的流动。Normalization能够使特征全部缩放到[0,1],这样在反向传播时候的梯度都是在1左右,避免了梯度消失现象。
  2. 提升学习速率。归一化后的数据能够快速的达到收敛。
  3. 减少模型训练对初始化的依赖。

关于网络调参,那就是经验。提供的资料:链接:pan.baidu.com/s/1pLtqfh 密码:tkgp

转载博客:http://blog.csdn.net/AMDS123/article/details/69621688

你可能感兴趣的:(caffe深度杂谈)