1、learning rate学习率
梯度下降: w i + 1 = w i − L R ∗ g ( w i ) w_{i+1}=w_{i}-LR*g\left(w_{i}\right) wi+1=wi−LR∗g(wi)梯度是沿着负梯度方向进行更新的,学习率控制更新的步伐;
2、momentum动量
Momentum(动量,冲量):结合当前梯度与上一次更新信息,用于当前更新;
学习动量法之前,先来学习指数加权平均: v t = β ∗ v t − 1 + ( 1 − β ) ∗ θ t \mathrm{v}_{t}=\beta * v_{t-1}+(1-\beta) * \theta_{t} vt=β∗vt−1+(1−β)∗θtPytorch中的梯度更新公式为: v i = m ∗ v i − 1 + g ( w i ) \boldsymbol{v}_{\boldsymbol{i}}=\boldsymbol{m} * \boldsymbol{v}_{\boldsymbol{i}-1}+\boldsymbol{g}\left(\boldsymbol{w}_{\boldsymbol{i}}\right) vi=m∗vi−1+g(wi) w i + 1 = w i − l r ∗ v i w_{i+1}=w_{i}-l r * v_{i} wi+1=wi−lr∗vi公式中的 w i + 1 w_{i+1} wi+1为第i+1次更新的参数, l r lr lr为学习率, v i v_i vi为更新量, m m m为momentum系数, g ( w i ) g(w_i) g(wi)为 w i w_i wi的梯度。
3、torch.optim.SGD
主要参数:
- params:管理的参数组,参数组是一个list,list中的每一个元素是一个dict;
- lr:学习率;
- momentum:动量系数,贝塔;
- weight_decay:L2正则化系数;
- nesterov:布尔变量,是否采用NAG梯度下降方法,默认为False;
optim.SGD(params,lr=<object object>,momentum=0,dampening=0,weight_decay=0,nesterov=False)
4、Pytorh的十种优化器
- optim.SGD:随机梯度下降法;
- optim.Adagrad:自适应学习率梯度下降法;
- optim.RMSprop:Adagrad的改进
- optim.Adadelta:Adagrad的改进;
- optim.Adam:RMSprop结合Momentum;
- optim.Adamax:Adam增加学习率上限;
- optim.SparseAdam:稀疏版的Adam;
- optim.ASGD:随机平均梯度下降;
- optim.Rprop:弹性反向传播;
10.optim.LBFGS :BFGS的改进;