-
不同于衰减学习率,作者提出了保持学习率增加Batch Size 的策略,并通过实验说明了这样做可以保持不掉点,并且减少参数的更新。(B需要远远小于N,B代表Batch Size,N代表Trainning Set Size)
-
进一步缩短参数的更新:
- 提高学习率 ϵ,同时按 B∝ϵ 的方式提高 batch_size;
- 提高动量系数(Momentum Coefficient)m, 同时按 B∝1/(1−m) 的方式提高 batch_size。
-
很多研究表明小Batch中的随机误差能让SGD收敛的更好,尤其是非凸优化问题。噪声可以帮助SGD远离’sharp minima’,而收敛至’flat minima’。作者发现了还大多数研究者在训练过程中都使用了 early stopping,有意避免了网络到达最小值(就是试图避免过拟合)。
-
当然你得有钱买更多的 GPUs 才能跑更大的 batch_size。
-
参考:
DON’T DECAY THE LEARNING RATE, INCREASE THE BATCH SIZE
最新推荐文章于 2022-11-24 23:29:55 发布