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

haobozhou

最新推荐文章于 2022-11-24 23:29:55 发布

阅读量653

点赞数

分类专栏：计算机视觉文章标签：看paper

本文链接：https://blog.csdn.net/qq_41884867/article/details/90769657

版权

3 篇文章 0 订阅

订阅专栏

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

关注