如图:
对于蓝色的情况,由于梯度下降时来回摆动,导致收敛很慢
若增大学习率,结果可能偏离函数的范围,如紫色的情况。为了避免摆动过大,就必须使用较小的学习率,进一步降低了收敛速度
我们希望的是在纵轴上减缓学习,在横轴上加快学习,如红色的情况。有多种方法可以实现
动量梯度下降法(Momentum)
此处用了指数加权平均的更新方法
因为纵轴有许多摆动,在求平均的时候都可以被抵消,最后几乎等于0,所以纵轴的学习被减缓了
在横轴,所有微分都指向一个方向,所以求平均之后几乎没有变化
所以动量梯度下降法就可以解决上述问题
RMSprop
on iteration t :
compute dw, db on current Mini-patch (和动量梯度下降法一样,每次先算出dw、db)