李宏毅《机器学习2021》类神经网络训练不起来怎么办(三):自动调整学习率(Adaptive Learning rate)
YouTube:https://www.youtube.com/watch?v=HYUXEeh3kwY&list=PLJV_el3uVTsMhtt7_Y6sgTHGHp1Vb2P2J&index=6
Training stuck Small Gradient
如下图,虽然Loss不再下降,但Gradient的值并不一定就很小,很多时候还没到critical point,训练就停止了,此时Gradient可能在来回震荡。
即使不在critical points,训练也可能十分困难。比如下图,下图Loss的等高线是一个椭圆形,在参数b方向梯度较小,在参数w方向梯度更大,打叉的点是Loss最小的点,黑色圆点是初始位置。
当固定的学习率较大时,左下图可以看到,随着参数的更新,Loss在两边震荡,无法达到最小点。
当固定的学习率较小时,右下图可以看到,随着参数的更新,Loss慢慢达到椭圆的底部,但在底部时向着Loss最小点的变动极为小。
这时候我们就想,能不能通过调整学习率,使得参数在梯度较大时移动的更小,在梯度较小时移动的更大。
Root Mean Square(均方根)
RMSProp
Learning Rate Scheduling
Summary of Optimization