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.
在小批量梯度下降中有:
其中,则
因此我们要使得参数最优,则为最优的时候的常数,故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)).
公式7.27:
公式7.28:
在Adam算法中:
因此当,
的时候:
因此可以发现此时梯度消失,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正则化梯度更新的方向取决于最近一段时间内梯度的加权平均值。
当与自适应梯度相结合时(动量法和Adam算法),L2正则化导致导致具有较大历史参数 (和/或) 梯度振幅的权重被正则化的程度小于使用权值衰减时的情况。
总结
本学期最后一个实验作业,一整个学期学下来收获很大。锻炼了很多自学、自己以及和同学交流来解决问题的能力,总之,确实是实践出真知。