Deep learning II - II Optimization algorithms - learning rate decay 学习速率衰减

learning rate decay 学习速率衰减

---

• 对于mini-batch gradient descent，其梯度下降可能会围绕最优点附近徘徊，但是由于learning rate不变，可能不会进一步靠近最优点（蓝色路径）
• 如果learning rate会随着学习的深入不断衰减，那么上述情况会得到改善，最终的结果和更加靠近最优点（绿色路径）
  
  方法 一
  $$1\ epoch = 1\ pass\ through\ data$$
  $$\alpha = \frac{1}{1+decayRate*epochNum}\alpha_0$$
  
  方法 二 (exponentially decay)
  $$\alpha = 0.95^{epochNum}\alpha_0$$
  方法 三
  $$\alpha = \frac{k}{\sqrt{epochNum}}\alpha_0$$
  $$\alpha = \frac{k}{\sqrt{t}}\alpha_0\quad$$
  t t <script type="math/tex" id="MathJax-Element-6">t</script>是mini-batch的次数。
  方法 四 （discrete staircase）
  方法 五 （manual decay ）