知识卡片
权重衰减与L2
权重衰减在更新时直接缩小权重;L2 正则化则把平方惩罚加到损失并求梯度。对普通 SGD,在系数约定一致时两种更新可以等价;使用自适应优化器时,耦合 L2 与解耦权重衰减一般不等价。
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
- 常见挑战及对策:一切为了泛化能力 · 查看原书依据
可以证明,当使用随机梯度下降法(SGD)时,权重衰减等价于L2正则化
参考来源
- 位置:《破解深度学习(基础篇)_模型算法与实现》第5章《常见挑战及对策:一切为了泛化能力》(来源项目 book-source:`extracted/破解深度学习(基础篇)_模型算法与实现/_epub-src/EPUB/xhtml/qz03_0008.xhtml`)
- 结论依据:原文及图示说明训练问题和策略;必要处补充条件,避免将示例结论绝对化。
- 原始内容:可以证明,当使用随机梯度下降法(SGD)时,权重衰减等价于L2正则化