002 SGD、SGDM、Adagrad、RMSProp、Adam、AMSGrad、NAG

参考

http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML2020/Optimization.pdf

变量解释

目标：寻找使损失函$L(\theta )$数最小的模型参数$\theta$
模型参数$\theta$、损失函数$L(\theta )$、动量$m$

SGD(Stochastic gradient descent，随机梯度下降)

下降由该点梯度决定

SGDM(SGD with Momentum)

下降由该点梯度、上次动量共同决定

为什么增加动量？

Adagrad(Adaptive Gradient，自适应梯度)

• 下降由该点之前（当前梯度）/（以前所有梯度平方和的开方）决定
• 对于梯度突变的情况，让其变化地平缓一点 学习率单调递减，可能在还没有找到最佳点之前停止

[外链图片转存失败,源站可能有防盗在这里插入!链机制,建描述]议将图片上https://传(imblog.csdnimg.cGIHu2020050115581933.png64)(https://img- .csdnimg.cn/20200501160107805.png)]

RMSProp(Root Mean Square Propagation，均方根传播)

下降由该点之前（当前梯度）/（以前所有梯度平方和的开方）决定

Adam(Adaptive Moment Estimation，自适应矩估计)

SWATS(Switch from Adam to SGD)

Adam vs SGDM

AMSGrad

没找到全称，感觉是（ADAM + RMSProp）

AdaBound

没看视频，Clip应该是把x限制在后面那两个范围内

SGDM算法改善

Cyclical LR（周期性的Learning Rate）

SGDR（Stochastic Gradient Descent with Warm Restarts）

学习率从大到小，周而复始

One-cycle LR

RAdam(Rectified Adam)

warm up：开始时学习速率变化大点，后面慢点

NAG(Nesterov accelerated gradient)

下面有个超前部署，具体理解可以看下面这篇文章。

https://zhuanlan.zhihu.com/p/22810533

SGDM告诉我们下一个位置${\theta }_t$由动量$m_{t-1}$和梯度$\nabla L({\theta }_{t-1})$共同决定，NAG就说，那我不如就先走到下一个由动量决定的位置（${\theta }_{t-1}-\lambda m_{t-1}$），再求微分，也就是所谓的超前部署

Nadm(Incorporating Nesterov Momentum into Adam)

AdamW & SGDW with momentum

• W：L2 regularization or weight decay
  

其他的优化

总结

NLP（Natural language processing）
QA（Question answering）
GAN（Generative adversarial network）
两个神经网络在游戏中相互竞争（从博弈论的角度讲，通常但并非总是以零和博弈的形式）。 在给定训练集的情况下，该技术将学习生成具有与训练集相同的统计数据的新数据