6. 类神经网络训练不起来怎么办(三)Learning rate的影响

类神经网络训练不起来怎么办(三)

Loss不再下降不一定是卡在Critical point

不同的参数需要不同的Learning rate

  • 平稳需要大一点的Learning rate
  • 陡峭需要小一点的Learning rate

θ i t + 1 ← θ i t − η g i t \theta^{t+1}_i\leftarrow \theta^t_i-\eta g^t_i θit+1θitηgit改成 θ i t + 1 ← θ i t − η σ i t g i t \theta^{t+1}_i\leftarrow \theta^t_i-\frac{\eta}{\sigma^t_i} g^t_i θit+1θitσitηgit

Root Mean Squre

σ i t = 1 t + 1 ∑ i = 0 t ( g i t ) 2 \sigma^t_i=\sqrt{\frac{1}{t+1}\sum_{i=0}^t(g^t_i)^2} σit=t+11i=0t(git)2 Used in Adagrad

RMSProp

σ i t = α ( σ i t − 1 ) + ( 1 − α ) g i t \sigma^t_i=\sqrt{\alpha(\sigma^{t-1}_i)+(1-\alpha)g^t_i} σit=α(σit1)+(1α)git

Adam: RMSProp+Mumentum

Learning rate scheduling

Learning rate decay,Warm up

你可能感兴趣的:(李宏毅机器(深度)学习笔记,神经网络,人工智能)