DeepLearning:训练神经网络—梯度下降优化器（optimizer）

训练神经网络—梯度下降优化器（optimizer）

1、optimizer简介

定义

​ 优化器其实可以看做我们的下山策略，其作用是通过改善训练方式来最小化（或最大化）损失函数E(x)。

分类

优化算法分为两大类：一阶优化算法和二阶优化算法，我主要介绍的是一阶优化算法。

一阶优化算法

​ 一阶优化算法用时使用各参数的梯度值来最大或最小化损失函数f(x),常用的一阶优化算法是梯度下降。

二阶优化算法

​ 使用了二阶导数（海森矩阵）来最小化或最大化损失函数，由于维数过高导致二阶导数计算成本很高，这种方法并不常用。

优化器伪代码

while True:
    #其中evaluate_gradient是反向传播求得的梯度，loss_fun是前向传播的损失函数
    #step_size是学习率
    #the evaluate_gradient is the gradient which produced in backward prop
    #the loss_fun means the loss function
    #step_size is the learning rate
    weights_grad = evaluate_gradient(loss_fun,data_weights)
    weights += - step_size * weights_grad

2、SGD（随机梯度下降）

背景

​ 原来，我们使用传统梯度下降的方式来进行参数优化，但是传统梯度下降具有自己的缺点：

​ ①计算整个数据集梯度，但只会进行一次更新，因此在处理大型数据集时速度很慢且难以控制，甚至导致内存溢出。

​ ②当我们希望在某一个方向优化的多一些时，很难做到，损失函数值会在梯度较大的方向上发生振荡，不能通过单纯减小学习率来解决，因为如果单纯减小学习率，则会让优化方向改变的更少。

​ ③陷入局部最优点，鞍点（在高维空间中更普遍）。

Q&A

鞍点与局部最优点区别？

​ 从上图可以看出局部最优点陷入“盆地”，而鞍点梯度为0。

​ 损失函数：
$$L\left(w\right)=\frac{1}{N}\sum _{i=1}^N\begin{array}{c}{L}_i\left(x_i,y_i,w\right)\end{array}$$
​ 梯度：
$$\nabla wL\left(w\right)=\frac{1}{N}\sum _{i=1}$$