关于梯度下降法的步长-从函数的 smooth 性质出发

最新推荐文章于 2022-02-27 11:39:48 发布

再也不说我是谁

最新推荐文章于 2022-02-27 11:39:48 发布

阅读量1k

点赞数 2

分类专栏：凸优化理论文章标签：算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_14952615/article/details/122603414

版权

凸优化理论专栏收录该内容

16 篇文章 11 订阅

订阅专栏

我们在前面的时候提到了梯度下降法。我们简单说了一下步长。今天我们填上这个坑。我们根据函数的smooth 性质，聊一下这个步长该怎么取。

首先我们回忆一下函数是 $\beta-$ smooth, 则函数满足：

$f(y) \leq f(x)+< \bigtriangledown f(x), y-x >+\frac{\beta}{2}||y-x||^{2}$

这个意思就是呢函数的值是会有一个上界的。

梯度下降法中呢，我们自变量更新的规则有

$x^{t+1} = x^{t} +(-a\bigtriangledown f(x^{t}))$

所以我们令 $y= x^{t+1}, x=x^{t}$ 有

$f(x^{t+1}) \leq f(x^{t}) + <\bigtriangledown f(x^{t}), -a\bigtriangledown f(x^{t})>+\frac{\beta}{2}||-a\bigtriangledown f(x^{t})||^{2} \\ \Rightarrow f(x^{t+1}) \leq f(x^{t}) - a||\bigtriangledown f(x^{t})||^{2}+\frac{\beta a^{2}}{2}||\bigtriangledown f(x^{t})||^{2}$

我们观察上面这个式子，如果我们希望梯度下降法每一步都有改进，则我们自然希望

$- a||\bigtriangledown f(x^{t})||^{2}+\frac{\beta a^{2}}{2}||\bigtriangledown f(x^{t})||^{2} \leq 0 \\ \Rightarrow - a+\frac{\beta a^{2}}{2}\leq 0 \\ \Rightarrow a(\frac{\beta a}{2}-1) \leq 0$

通常步长是大于0的，因此上式要满足则

$\frac{\beta a}{2}-1 \leq 0 \\ \Rightarrow a \leq \frac{2}{\beta}$

通常我们取步长为 $\frac{1}{\beta}$ , 因此此时 $| a(\frac{\beta a}{2}-1) |$ 最大，函数的improvement最大。因此，如果我们知道了函数的平滑参数之后，那么我们就可以很方便的确定梯度下降法的步长啦。

再也不说我是谁

关注

2
点赞
踩
5

收藏

觉得还不错? 一键收藏
1
评论
关于梯度下降法的步长-从函数的 smooth 性质出发

我们在前面的时候提到了梯度下降法。我们简单说了一下步长。今天我们填上这个坑。我们根据函数的smooth 性质，聊一下这个步长该怎么取。首先我们回忆一下函数是smooth, 则函数满足：这个意思就是呢函数的值是会有一个上界的。梯度下降法中呢，我们自变量更新的规则有所以我们令有我们观察上面这个式子，如果我们希望梯度下降法每一步都有改进，则我们自然希望通常步长是大于0的，因此上式要满足则通常我们取步长为, 因此此时最大，函数的improvement最大。因此，如果.
复制链接

扫一扫

专栏目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。