loss function
loss function是优化的源泉,不同的loss function会有不同的效果,比如说svm的loss和softmax,svm相当于就是点到为止,经过映射之后,只要两者的差距要比delta大,那么其实就满足了,而softmax永不满足,一个概率分布,只要错误的概率有一点概率的话,其实都是有可能的。
optimization
第一个是在所有的参数空间随机搜索,俗话说,女人心海底针,不过这种方法和海底捞针差不多。
第二个方法是在局部空间随机搜索,也就是首先rand一个随机的起点,然后在邻域中随机搜索,比上一个要稍微好一些,上一个在每一步是在跳动的,但是这一个至少是局部的,跳动的幅度稍微小了一点。
第三个方法是梯度下降
梯度下降的方法实际上更有用一些,因为每一步都可以靠向最优解。
computing the gradient
计算梯度有两种方法,分别是数值计算梯度和通过微积分来计算
感觉其实和cs229有重叠的地方。