深度学习相关知识点简记 （有点乱）

缺点：需要一次更新所有样本，计算速度非常慢

不适用于大数据集，不能在线更新模型

2. SGD随机梯度下降：优点：一次只选一部分样本，运算快，效果好

缺点：易受噪声点影响，参数更新的方差大，迭代并不是每次都向着最优解方向进行，可能无法达到全局最优解，且学习曲线震荡。容易被困在鞍点

适用于需要在线更新的模型，适用于大规模训练样本情况

3. SGD+Momentum

在随机梯度中引入了动量 Momentum，SGD方法的一个缺点是其更新方向完全依赖于当前batch计算出的梯度，因而十分不稳定。SGDM就是不仅仅考虑负梯度方向，还考虑此时动量的方向（上一步的前进方向的惯性方向），然后将两个方向进行合并，即下一步更新参数的方向。特点：用滑动平均来更新，而不是当前梯度，可有效减少震荡，更平缓加快收敛速度。

适用于有可靠的初始化参数

4. Nestorov动量：NAG 会先在前一步的累积梯度上有一个大的跳跃，然后衡量一下梯度做一下修正，这种预期的更新可以避免我们走的太快。 (选沿当前方向走一步，再计算终点梯度方向，进而得到最终方向。)

5. AdaGrad:特点：采用自适应调节，减少了学习率的手动调节。对于经常更新的参数，我们已经积累了大量关于它的知识，不希望被单个样本影响太大，希望学习速率慢一些；对于偶尔更新的参数，我们了解的信息太少，希望能从每个偶然出现的样本身上多学一些，即学习速率大一些。缺点是学习率单调递减至0，可能会使得训练过程提前结束，即便后续还有数据也无法学到必要的知识。需要快速收敛，训练复杂网络时；适合处理稀疏梯度

6. RMSProp：给历史数据和新数据都设一个权重，缓解退化问题。使用的是指数加权平均，旨在消除梯度下降中的摆动，与动量的效果一样，某一维度的导数比较大，则指数加权平均就大，某一维度的导数比较小，则其指数加权平均就小，这样就保证了各维度导数都在一个量级，进而减少了摆动。允许使用一个更大的学习率η

需要快速收敛，训练复杂网络时；适合处理非平稳目标 - 对于RNN效果很好

7. Adam：是RMSProp和Momentum的结合，对梯度和学习率都用了滑动平均，还有一个纠偏，优点主要在于经过偏差校正后，每一次迭代学习率都有个确定范围，使得参数比较平稳。需要快速收敛，训练复杂网络时；善于处理稀疏梯度和处理非平稳目标的优点，也适用于大多非凸优化 - 适用于大数据集和高维空间

二、CNN经典结构

---

1. AlexNet:采用ReLU作为非线性的激活函数、利用多个（2个）GPU同时训练、使用数据增强来提高模型的准确率防止过拟合、利用Dropout算法防止过拟合、LRN归一化层的使用

结构：CONV1 ->MAX POOL1 ->NORM1 ->CONV2 ->MAX POOL2 ->NORM2 ->CONV3 ->CONV4 ->CONV5->Max POOL3 ->FC6->FC7 ->FC8

2. VGG:16~19层 卷积核更小，层数更深

每组卷积都使用３ｘ３的卷积核原因：一方面可以减少参数，另一方面相当于进行了更多的非线性映射，可以增加网络的拟合/表达能力

params计算params=（本层卷积核长*宽*上层卷积核厚）*本层卷积核厚   池化层没有params

3. GoogLeNet:22层 去除了全连接层（占据了网络的大部分参数），使用了全局均值池化，大大减小了参数量

1*1卷积层的作用：用于减少维度，还用于修正线性激活（relu）

（1）采用了模块化的结构（inception结构），方便增添和修改

（2）网络最后采用了average pooling来替代全连接，可将准确率提升百分之0.6

（3）虽然移除了全连接，但依然使用了Dropout

（4）为了避免梯度消失，网络额外增加了2个辅助的softmax用于向前传导梯度（辅助分类器）

4. ResNet:152层 plain网络随着网络加深，错误率升高

深层网络到了一定深度，准确率趋近饱和，而且继续加深的话会降低准确率，这称为退化问题，为了解决退化问题，提出了残差学习，如下图所示为残差块，假设本来是要学习H(x)，加了一条恒等映射之后我们要学习的就是F(x) = H(x) - x
最后

开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】

最后写上我自己一直喜欢的一句名言：世界上只有一种真正的英雄主义就是在认清生活真相之后仍然热爱它