在softmax layer 的前提条件下,我们发现cross entropy的斜率要比 square error 误差值的斜率要大的多,如果求微分,系统可以马上知道我误差下降的方向是那边。如果我们看图中的蓝色点,如果是square,它的误差是平的,往左往右它是无法判断的。就会导致不调整权重值。或者只是微微调整,那如果没有达到最小的误差值,就会导致效果差了,cross entropy做梯度下降法的时候它的下降速度很快,而且能明确下降的方向
用折线图表示二者的差距就可以明显发现了
当斜率小的时候,squareError 是不清楚自己应该向那个发现调整的,于是cross entropy作为误差处理对象时,就会很快提升准确率。
方法2:Mini-Batch
Mini-batch是什么情况呢?
假设现在有2000个数据,mini-batch设为100 它就会设定为20个批次
如果我们不设置mini-batch的话,没进来一笔数据,我们就要调整一次权重数据,这样会导致跑的时间很久,100万个数据就要调整100万次。会导致最后的结果与你输入资料的顺序有关,先输入的资料先调整,后输入的模型后调整,导致模型的稳定性不高。
Mini-batch 就是先输入100笔数据,然后100笔数据一起调整。这样run的数据比较快,因为是100笔数据一起看,数据前后影响会降低。
比如现在100个数据进来,我们就可以吧这100个数据都求loss值,然后把这些loss值求和,然后一次性去调整我们的参数。然后再放进来100个数据,然后再进行调整我们的参数权重。我们就重复20次,然后再进行重复训练
你可能怀疑这个是不是有效果。用准确率的可视化图看,就可以发现,它的效果很好,模型相对稳定。当训练数据准确率不高的时候,也可以考虑用批次的问题。