优化算法 类型
优化算法 类型 包括 一阶优化法 和 二阶优化法:
一阶优化法 | 二阶优化法 | |
---|---|---|
具体算法 | 随机梯度下降法、基于动量的随机梯度下降法、Nesterov型动量随机下降法、Adagrad法、Adadelta法、RMSProp法、Adam法 | 牛顿法 |
计算难度 | 较易 | 难 |
运用程度 | 主流 | 少有人用 |
一阶优化法 对比
随机梯度下降法 | 基于动量的随机梯度下降法 | Nesterov型动量随机下降法 | Adagrad法 | Adadelta法 | RMSProp法 | Adam法 | |
---|---|---|---|---|---|---|---|
运用程度 | 最广 | ||||||
训练速度 | 慢 | 快 | 快 | 快 | 快 | ||
模型结果 | 可靠 | 可靠 |
随机梯度下降法、基于动量的随机梯度下降法 和 Nesterov型动量随机下降法 彼此性能相近;
Adagrad法、Adadelta法、RMSProp法 和 Adam法 彼此性能相近。
一阶优化法
:待学习参数;
:学习率;
:一阶梯度值;
:第
轮训练。
随机梯度下降法
随机梯度下降算法,Stochastic Gradient Descent,简称 SGD 。
基于动量的随机梯度下降法
由于SGD更新时可能出现 振荡 ,遂通过 累积前几轮的动量 (momentum) 信息 来 辅助参数更新:
:动量因子,控制动量信息对整体梯度更新的影响程度。设置方法分为 静态 (始终为 0.9) 和 动态 (初始为 0.5,逐渐增长为 0.9 或 0.99) 。
Nesterov型动量随机下降法
较罕见,遂略过。
Adagrad法
根据训练轮数的不同,对学习率进行动态调整:
:全局学习率 (必须提前指定) ;
:防止分母为0。
初始时, 接近于 ,随着 的不断增大, 渐渐趋近于 0 。
Adadelta法
Adadelta法 在 Adagrad法 的 基础上,通过引入衰减因子 ,使得 也和 一起来对 施加影响,防止 垄断:
:衰减因子,取值范围 [0, 1] ,值越大越促进网络更新,推荐为 0.95 ;
:防止为 0,推荐为
。
RMSProp法
较罕见,遂略过。
Adam法
在 RMSProp法 基础上 加上了 动量项 。
利用梯度的一阶矩估计和二阶矩估计动态调整每个参数的学习率。
优点:
经过偏置校正后,每一次迭代学习率都有一个确定范围,这样可以使得参数更新比较平稳。