目录
习题7-1 在小批量梯度下降中,试分析为什么学习率要和批量大小成正比
习题7-2 在Adam算法中,说明指数加权平均的偏差修正的合理性
习题7-9 证明在标准的随机梯度下降中,权重衰减正则化和编辑正则化的效果相同.并分析这一结论在动量法和Adam算法中是否依然成立
习题7-1 在小批量梯度下降中,试分析为什么学习率要和批量大小成正比
在小批量梯度下降中:
令则
因此为参数最优的时候的常数,学习率和批量大小成正比。
习题7-2 在Adam算法中,说明指数加权平均的偏差修正的合理性
在Adam算法中:
因此当的时候:
由此可以发现此时的梯度消失,因此需要进行偏差修正。
习题7-9 证明在标准的随机梯度下降中,权重衰减正则化和正则化的效果相同.并分析这一结论在动量法和Adam算法中是否依然成立
证明:
分析这一结论在动量法和 Adam算法中是否依然成立.
L2正则化梯度更新的方向取决于最近一段时间内梯度的加权平均值。当与自适应梯度相结合时(动量法和Adam算法),L2正则化导致导致具有较大历史参数 (和/或) 梯度振幅的权重被正则化的程度小于使用权值衰减时的情况。
第七章总结
本学期就要结束了,收获多多,我们以后再见