pytorch--基础优化算法

梯度下降

在这里插入图片描述
沿梯度方向将增加损失函数值
学习率:步长的超参数
超参数:需要人为指定的值
学习率的选择:
在这里插入图片描述

小批量随机梯度下降

  • 在整个训练集上算梯度太贵,一个深度神经网络模型可能需要数分钟至数小时
  • 我们可以随机采样b个样本来近似损失
    在这里插入图片描述
    b是批量大小
    批量大小的选择:
    不能太小:每次计算量太小,不适合并行来最大利用计算资源
    不能太大:内存消耗增加,浪费计算

总结

  • 梯度下降通过不断沿着反梯度方向更新参数求解
  • 小批量随机梯度下降是深度学习默认的求解算法
  • 两个重要的超参数是批量大小和学习率
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值