知识卡片
AdaGrad逐分量缩放
AdaGrad 为每个参数分量累计历史梯度平方 s←s+g²,并用 ηg/√(s+ε) 逐元素缩放更新。历史平方和较大的分量,其有效步长较小;累计值不会下降,长期训练可能使步长变得很小。书中把逐元素缩放称为内积并将其直接等同于二阶导数模拟,这些说法不应理解为严格的矩阵内积或精确 Hessian。
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
- 优化器 3.6 AdaGrad优化器 · 查看原书依据
AdaGrad则针对梯度的每个分量各自的历史采用了不同的学习率
参考来源
- 位置:《用Python实现深度学习框架》第3章《优化器》,3.6 AdaGrad优化器(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_029.html`)
- 结论依据:原文给出更新公式与实现代码;卡片区分公式、代码初始化及示例的限制。
- 原始内容:AdaGrad则针对梯度的每个分量各自的历史采用了不同的学习率。