知识卡片
训练一轮的缓存更新
训练一轮先给变量赋值,以损失节点为目标前向求值,再对可训练变量反向计算梯度,用学习率缩放梯度并更新参数。参数或样本变化后,旧的中间值和雅可比不能继续作为新一轮结果;清除相应缓存后再计算。单样本梯度下降可能降低当前样本损失,同时增加其他样本的损失。
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
- 计算图 2.5 在计算图上执行梯度下降法 · 查看原书依据
清除所有节点的value和jacobi属性
参考来源
- 位置:《用Python实现深度学习框架》第2章《计算图》,2.5 在计算图上执行梯度下降法(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_019.html`)
- 结论依据:原文给出训练流程、节点实现和矩阵乘法雅可比的形状及排列。
- 原始内容:清除所有节点的value和jacobi属性。