← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6473.d.3.a.1.a.1.a.1 · 生成模型:未记录

RMSProp重视近期梯度

理解等级:中级

RMSProp 对各参数的梯度平方做指数加权平均,再用其平方根缩放更新。衰减系数决定历史和新梯度的相对权重:更重视近期值时,统计量能较快响应曲率变化;参数需要调节,更新仍取决于当前梯度。

这张卡片看不懂?

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 3.3.2 RMSProp · 查看原书依据

      同一个参数需要的学习率也会随着时间而改变.在图3.25 所示的误差表面上,如果考虑横轴方向,绿色箭头处坡度比较陡峭,需要较小的学习率,但是走到红色箭头处,坡度变得平坦起来,需要较大的学习率.因此,即便对于同一个参数的同一方向,学习率也是需要动态调整的,于是就有了一个新的自适应学习率方法——RMSprop(Root Mean Squared propagation).

    参考来源

    - 位置:《深度学习详解》第3章《深度学习基础》3.3.2 RMSProp(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:同一个参数需要的学习率也会随着时间而改变.在图3.25 所示的误差表面上,如果考虑横轴方向,绿色箭头处坡度比较陡峭,需要较小的学习率,但是走到红色箭头处,坡度变得平坦起来,需要较大的学习率.因此,即便对于同一个参数的同一方向,学习率也是需要动态调整的,于是就有了一个新的自适应学习率方法——RMSprop(Root Mean Squared propagation).