Pytorch 深度学习实践(3)

Pytorch 深度学习实践(3)

1.梯度下降

如果使用梯度下降训练失败,大概率是学习率太大

问题:计算梯度时,计算整个样本的平均梯度,有可能在鞍点(局部最小值)就停止学习

2.随机梯度下降

每个样本计算权重时,是根据上一个样本方向传播算出来的梯度,存在依赖关系。性能较好,更容易找最优解
在这里插入图片描述

3.深度学习的折中方案

问题:
(1)使用梯度下降法,需要计算所有样本的平均梯度,然后使用这个平均梯度进行梯度下降

​ 这也就意味着我计算Xi 和 Xi+1 可以并行, 因为他们的梯度下降不存在依赖关系

(2)随机梯度下降虽然性能好,但是他计算每个样本梯度下降时,是使用的上一个样本的梯度,存在依赖关系,无法并行计算

折中方案:使用mini-batch 小批量梯度下降

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值