TensorFlow笔记--学习率衰减
在"求解二次函数最小值对应的值"例子中,我们已经直观看到TensorFlow如何求解;今天我们来讨论一下“学习率衰减”。
1. Why?
假设我们在使用梯度下降算法训练模型,让学习率 α 为固定值,如果 α 太小影响训练速度;如果 α 过大,那么在训练后期损失值不会精确的收敛而是在最小值附近摆动。也许我们会说:我选择一个合适的 α 就可以解决这个问题了。听起来很对,但是实际行动起来却困难重重,这时我们引入Learning rate decay。
2. What?
学习率衰减:为了加快学习算法,学习率随时间慢慢减少,我们将之称为学习率衰减;下面我们来看看它是如何做到的。
3. How?
3.1 指数衰减公式
d e c a y e d _ l e a r n i n g _ r a t e = l e a r n i n g _ r a t e ∗ d e c a y _ r a t e g l o b a l _ s t e p d e c a y _ s t e p s