知识卡片
学习率控制梯度更新步长
梯度只描述当前位置附近损失的局部变化。学习率太大可能越过低损失区域甚至发散,太小可能使训练缓慢;合适值依赖模型、数据、批量大小和优化器,可比较训练与验证曲线并调整。学习率不必限制在 0 到 1,也不保证每一步或每个样本的损失都下降。
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
- 反向传播 · 查看原书依据
学习率的最佳选择取决于我们构建的特定网络
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第18章《反向传播》18.11(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0025_split_011.html`)
- 结论依据:学习率的最佳选择取决于我们构建的特定网络。
- 原始内容:学习率的最佳选择取决于我们构建的特定网络以及正在接受训练的数据。找到一个好的学习率对于网络正常学习至关重要。系统在学习后,更改此值可能会影响该过程是快速还是缓慢。