知识卡片
学习率大小与收敛速度不成正比
梯度下降按负梯度调整最小化目标,步长控制每次更新幅度。学习率过大可能越过低点甚至发散,不能将越大解释为必然越快;参数变化小也可能来自过小步长或平坦区域,停止时应同时观察目标和验证表现。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
其中,α 就是下降的速度,一般是一个小的数值,可以从0.001开始尝试,其值越大表示下降越快、收敛越快。 迭代终止的条件如下。 ||w i -w i - 1 ||<ε 9.1.3 梯度下降法的实现 本节给出梯度下降法的代码实现。使用的测试数
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html)
- 结论依据:摘录中关于学习率大小与收敛速度不成正比的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:其中,α 就是下降的速度,一般是一个小的数值,可以从0.001开始尝试,其值越大表示下降越快、收敛越快。 迭代终止的条件如下。 ||w i -w i - 1 ||<ε 9.1.3 梯度下降法的实现 本节给出梯度下降法的代码实现。使用的测试数