DON’T DECAY THE LEARNING RATE, INCREASE THE BATCH SIZE

• 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：

  • https://www.sohu.com/a/218600766_114877
  • https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/78456430