李宏毅第二节

Lecture 2:What to do if my network fails to train

PRE1

训练的三个过程

1. 写出有未知数的function： \theta表示未知的参数
2. 定义Loss：Loss的输入是一组参数，判断这组参数好不好
3. 找\theta：使得Loss的值越小越好

优化训练

1. 检查training data的loss，loss值比较大
2. 分析在训练资料上没学好的原因
3. 如果是model Bais ，增加特征，让模型更具弹性
   
4. 如果是optimization，弹性够了但是梯度下降不给力
   
5. 检查training data的loss，loss值比较小且testing data 的loss也比较小，理想结果
6. training data的loss比较大，可能过拟合。增加训练集（Data augmentation）或者给model限制，不让其有很大的弹性。
   
   
7. Mismatch:受到了其他因素干扰

PRE2

为什么优化会失败

低点 鞍点等—–高等数学

后面例子没听懂

PRE3

Batch

• 每次更新参数时，用一个batch算Loss、算梯度更新参数。所有的batch都算完一次是一个epoch。
• 每个epoch的batch都不一样，会重新分，也叫做shuffle。

因为GPU平行运算的关系，选择合适的batch_size

梯度下降

1. 初始\theta0
2. 计算梯度g0
3. 往梯度反方向更新参数\theta1
4. 计算梯度g1
5. 往梯度反方向更新参数\theta2
6. 计算梯度g2
7. ……

Gradient Descent + Momentum

类似合成向量。运动不仅基于梯度，还基于先前的运动。

小结

• 临界点的梯度为零。
• 临界点可以是鞍点或局部最小值。
• 临界点可以由Hessian 矩阵确定。
• 临界点可以沿Hessian 矩阵的特征向量方向逃逸鞍点。
• 局部最小值可能很少见。
• 较小的批量大小和动量有助于避开关键点。