知识卡片
按历史梯度调整步长
自适应方法可分别统计各参数历史梯度的大小,再用该尺度调整当前梯度的步长:历史梯度尺度较大的方向可缩小更新,尺度较小的方向可相对放大。书中称为 AdaGrad 的示意公式使用历史梯度平方的均值开根号作为分母;使用具体实现时应核对公式及防止除零的处理。
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
- 深度学习基础 3.3.1 AdaGrad · 查看原书依据
AdaGrad(Adaptive Gradient)是典型的自适应学习率方法,它能够根据梯度大小自动调整学习率.AdaGrad可以做到当梯度比较大的时候,学习率就减小;而当梯度比较小的时候,学习率就放大.
参考来源
- 位置:《深度学习详解》第3章《深度学习基础》3.3.1 AdaGrad(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter03.xhtml`)
- 结论依据:原文分析学习率、梯度统计和调度,公式图像已核验。
- 原始内容:AdaGrad(Adaptive Gradient)是典型的自适应学习率方法,它能够根据梯度大小自动调整学习率.AdaGrad可以做到当梯度比较大的时候,学习率就减小;而当梯度比较小的时候,学习率就放大.