知识卡片
学习率调度与预热
学习率调度让学习率随训练进程变化,常见做法是逐步衰减,也可以先预热再衰减。预热从较小步长开始并逐渐增大,可在训练初期减少大步更新的不稳定;衰减则在后期缩小更新。预热长度与变化曲线需要按任务调整。
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 3.4 学习率调度 · 查看原书依据
除了学习率下降以外,还有另一种经典的学习率调度方式——预热. 预热的方法是让学习率先变大后变小,变到多大、变大的速度、变小的速度也是超参数. 残差网络[8]里面是有预热的,在残差网络里面,学习率先设置成 0.01,再设置成0.1,并且残差网络的论文还特别说明,一开始用0.1反而训练不好. 除了残差网络,BERT 和 Transformer 的训练也都使用了预热.
参考来源
- 位置:《深度学习详解》第3章《深度学习基础》3.4 学习率调度(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:除了学习率下降以外,还有另一种经典的学习率调度方式——预热. 预热的方法是让学习率先变大后变小,变到多大、变大的速度、变小的速度也是超参数. 残差网络[8]里面是有预热的,在残差网络里面,学习率先设置成 0.01,再设置成0.1,并且残差网络的论文还特别说明,一开始用0.1反而训练不好. 除了残差网络,BERT 和 Transformer 的训练也都使用了预热.