【ML】类神经网络训练不起来怎么办 5
-
- 1. Saddle Point V.S. Local Minima（局部最小值 与 鞍点）
- 2. Tips for training: Batch and Momentum（批次与 动量）
-
- 2.1 Tips for training: Batch and Momentum
- 2.2 参考文献：
- 2.3 Gradient Descent
- 2.4 Concluding Remarks（前面三讲）
- 3. Tips for training: Adaptive Learning Rate ,Error surface is rugged ...
-
- 3.1 凸优化 使用 同意的learning rate 可能出现的问题
- 3.1.2 Warm Up
- 3.2 Different parameters needs different learning rate(客制化 learning rate)
- 3.3 RMSProp 是一种自适应学习率优化算法，它可以根据梯度的均方根来调整每个参数的学习率。
- 3.4 Adam: RMSProp + Momentum
- 3.5 Summary of Optimization
- 4. Loss 影响
1. Saddle Point V.S. Local Minima（局部最小值 与 鞍点）
Optimzation Fails,Why?
gradient is close to zero , 2 situation : local minima or saddle point ,we call this critical point.
如何判断 是 local minima or saddle point中的哪一种情况呢？
我们采用Taylor的展开来求解：
求零点附近的Hessian矩阵，根据Hessian矩阵判断是哪一种情况
实现步骤如下：
举例说明：
saddle point 在训练过程中出现该怎么处理 hessian matrix 处理Saddle Point 逃离
站在更高的维度去处理解决问题：
2. Tips for training: Batch and Momentum（批次与 动量）
2.1 Tips for training: Batch and Momentum
同一个数据集合 ：做batch 然后shuffle这些batch
Small Batch v.s. Large Batch 优缺点对比
不考虑 并且运算的情况下 Epoch 大的跑的快
大的batch 结果好的原因是什么?
上面这个问题下面给出答案：
Small Batch v.s. Large Batch
Smaller batch size has better performance
“Noisy” update is better for training.
Small batch is better on testing data！
Small Batch v.s. Large Batch： 详细的优势掠食 对比，在并行情况下，速度持平，除非，大的batch特别大
但是大的batch在update的时候比较快（优势）；小的batch 的优化洁后果和泛化性能更好；
Batch size is a hyperparameter you have to decide.
2.2 参考文献：
Have both fish and bear’s paws?
- Large Batch Optimization for Deep Learning: Training BERT in 76 minutes (https://arxiv.org/abs/1904.00962)
- Extremely Large Minibatch SGD: Training ResNet-50 on ImageNet in 15 Minutes (https://arxiv.org/abs/1711.04325)
- Stochastic Weight Averaging in Parallel: Large-Batch Training That Generalizes Well (https://arxiv.org/abs/2001.02312)
- Large Batch Training of Convolutional Networks
(https://arxiv.org/abs/1708.03888) - Accurate, large minibatch sgd: Training imagenet in 1 hour
(https://arxiv.org/abs/1706.02677)
2.3 Gradient Descent
考虑过去 Gradient 过去的总和：
Gradient Descent + Momentum 一大好处就是Gradient Descent退化时候，依然可以继续优化步骤，而不是导致优化停止。
