知识卡片
Adam融合动量与自适应
Adam(Adaptive Moment Estimation)把 Momentum 和 RMSProp 拼在一起:用一阶矩管方向,用二阶矩管步长。
- 一阶矩(动量):mt = α·m{t−1} + (1−α)·g_t,估计梯度的方向,抑制 batch 噪声。
- 二阶矩(自适应尺度):nt = β·n{t−1} + (1−β)·g_t²,估计梯度的大小,给每个参数不同的步长。
- 偏差校正:m、n 初始化为 0,前几步会明显偏小(见 [[指数平均让近期权重更大]] 的演算),所以除以 (1−αᵗ)、(1−βᵗ) 修正:m̂ = m/(1−αᵗ),n̂ = n/(1−βᵗ)。
- 更新:θ ← θ − η·m̂/(√n̂ + ε)。
原文对它的定位是”带有动量的 RMSprop 算法”。适用面也最广:对梯度求矩估计不需要额外内存,因而内存要求小;结合两者优点,擅长稀疏梯度和非平稳目标,适合大数据与高维空间,可用于大多数非凸优化问题,因此成为深度学习优化的常用选择。
把本章出现的优化器放在一起对比,差别只在”用梯度的什么信息决定方向和步长”:
| 优化器 | 更新依据 | 学习率 | 主要局限 |
|---|---|---|---|
| SGD | 当前 batch 梯度 | 全局固定 | 抖动大、收敛慢 |
| Momentum | 梯度的指数平均 | 全局固定 | 多一个 β,可能冲过头 |
| NAG | 动量方向前方近似点的梯度 | 全局固定 | 需两次梯度计算 |
| AdaGrad | 历史梯度平方和 | 每参数自适应 | 步长单调衰减至停滞 |
| RMSProp | 梯度平方的指数平均 | 每参数自适应 | 需调 β,无方向信息 |
| Adam | 一阶矩 + 二阶矩 + 偏差校正 | 每参数自适应 | 超参较多(η、α、β、ε) |
边界:Adam 是很好的默认起点,但不是无脑最优。学习率 η 仍是最需要调的量;训练后期有时需要更小的学习率或切换到带动量的 SGD 才能拿到更稳的收敛。原文的推荐范围是”大多数非凸优化问题”的通用选择,具体任务仍要验证。
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
- 第15章 深度神经网络模型 15.2.6 几种常用的优化算法 · 查看原书依据
Adam(Adaptive Moment Estimation)算法是将Momentum算法和RMSProp算法融合起来使用的一种算法,其本质是带有动量的 RMSprop 算法。
参考来源
- 位置:《机器学习基础:从入门到求职》第15章《第15章 深度神经网络模型》(源文件:extracted/机器学习基础:从入门到求职/_epub-src/OEBPS/text00018.html)
- 结论依据:原文说明 Adam 融合 Momentum 与 RMSProp、用一阶与二阶矩估计动态调整学习率并做无偏校正,还列出其内存与适用场景优势。
- 原始内容:Adam(Adaptive Moment Estimation)算法是将Momentum算法和RMSProp算法融合起来使用的一种算法,其本质是带有动量的 RMSprop 算法。