本次学习章节包括:
李宏毅《机器学习/深度学习》2021课程(国语版本,已授权)
P5-P9 神经网络训练不起来怎么办?
一、local minima and saddle局部最小值和鞍点
- 最优化失败有两种情况:
情况一 :loss function 下降到一个稳态,但是还没有达到预期值
情况二 :loss function一开始就高高不减
- 从失败最后达到的点来分类,有local minima和saddle point。local minima是难以逃离的,而saddle point是可以进一步找到下降点的。
1.1 判断critical point
当梯度接近0,即达到一个critical point,如何判断它是local minima还是saddle point呢?
loss函数通过泰勒展开写成如下的形式,当一阶微分=0时达到critical point,此时可以通过观察二次微分(Hessian矩阵)来判断。
问题转化为判断H的正定、负定的问题。
特征值全>0,H是正定矩阵,是local minima
特征值全<0,H是负定矩阵,是local maxima
特征值有的<0有的<0,H是不是正定也不是负定矩阵,是saddle point
1.2 逃离saddle point
如果发现critical point是saddle point,那么恭喜你,这是一件好事。因为Hessian矩阵可以告诉我们更新的方向。
负的特征值对应的特征向量就是使loss function下降的方向。
但是因为特征值和特征向量计算的复杂性,实际操作中其实很少用这个方法。
有假说认为,在高维参数中,因为有很多条路可以走,实际上local minima是很少的。而从经验去谈,当参数个数很多,特征值全为正的概率是很小很小的。大部分情况下都是saddle point。
二、batch and momentum批次和动量
2.1 batch
每次只用一部分数据做微分用来更新参数。
large batch:long time(但如果使用GPU平行运算,不一定时间更长) ,powerful
small batch:short time, noisy
但是从经验上看small batch size在train data会有更好的表现,large batch容易发生optimization fails。因为small batch每次会产生新的loss function,不容易被“卡住”。
也有论文写small batch在test data会有更好的表现,更不容易过拟合。如下图所示,flat minima 比sharp minima更不容易过拟合。
总的来说,small batch和large batch 的对比可以总结成下表。找一个合适的size是很重要的。
2.2 momentum
每一步用前一次移动的方向减去目前的梯度。
有了momentum,就像给了小球一个动量,使它可以持续更新。