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(即公式(7.27)和公式(7.28)).
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l2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.
在使用小批量梯度下降进行优化时,每次选取K个训练样本。第t次迭代时损失函数关于参数的偏导数为
第t次更新的梯度定义为
每次迭代时参数更新:
把代入上式可以发现K与成正比。
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(即公式(7.27)和公式(7.28)).
公式7.27:
公式7.28:
在Adam算法中:
当,的时候
此时可以发现梯度消失,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l2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.
L2正则化和权值衰减并不是一回事,但是可以根据学习率对权值衰减因子进行重新参数化,从而使SGD等价。
以λ为衰减因子,给出了权值衰减方程。
在以下证明中可以证明L2正则化等价于SGD情况下的权值衰减:
首先考虑下面图中给出的L2正则化方程。我们的目标是对它进行重新参数化,使其等价于上式中给出的权值衰减方程
找到L2正则化损失函数相对于参数w的偏导数(梯度),如下式所示。
得到损失函数的偏导数结果后,将结果代入梯度下降学习规则中,如下式所示。代入后,打开括号,重新排列,使其等价于在一定假设下的权值衰减方程。
可以注意到,最终重新排列的L2正则化方程和权值衰减方程之间的唯一区别是α(学习率)乘以λ(正则化项)。为了得到两个方程,我们用λ来重新参数化L2正则化方程。
将λ'替换为λ,对L2正则化方程进行重新参数化,将其等价于权值衰减方程,如下式所示。
从上面的证明中,你必须理解为什么L2正则化在SGD情况下被认为等同于权值衰减,但对于其他基于自适应梯度的优化算法,如Adam, AdaGrad等,却不是这样。特别是,当与自适应梯度相结合时,L2正则化导致具有较大历史参数和/或梯度振幅的权值比使用权值衰减时正则化得更少。这导致与SGD相比,当使用L2正则化时adam表现不佳。另一方面,权值衰减在SGD和Adam身上表现得一样好。
总结
作为本学期最后一课的内容,也算是完美收官了,到家以后的学习效率明显不如在学校,毕竟家就是家嘛,总让人想偷会儿懒,虽说完成的时间晚了一点,但是写的时候还是比较认真的,画了这么多的思维导图,也画出经验了哈哈,相比于一开始不知道画什么好,现在可以说是手到擒来,同时画的时候也是对自己的知识进行一次梳理,也方便了以后复习反复观看,最后感谢老师一学期的持续督促,也感谢自己的坚持吧哈哈