常见优化算法 (tensorflow对应参数)
2017-12-13 10:42
351 查看
转载出处:http://www.2cto.com/kf/201612/572613.html
常见算法
SGD
?
Momentum
Momentum可以使SGD不至于陷入局部鞍点震荡,同时起到一定加速作用。Momentum最开始有可能会偏离较远(overshooting the target),但是通常会慢慢矫正回来。
?
Nesterov momentum
基本思路是每次不在x位置求dx,而是在x+mu*v处更新dx,然后在用动量公式进行计算相当于每次先到动量的位置,然后求梯度更新
vt=μvt?1?ε▽f(θt?1+μvt?1)
θt=θt?1+vt
计算▽f(θt?1+μvt?1)不太方便,做如下变量替换:?t?1=θt?1+μvt?1 ,并带回上述公式可以得到
vt=μvt?1+ε▽f(?t?1)
?t?1=?t?1?μvt?1+(1+μ)vt
?
AdaGrad
使用每个变量的历史梯度值累加作为更新的分母,起到平衡不同变量梯度数值差异过大的问题?
RMSProp
在AdaGrad基础上加入了decay factor,防止历史梯度求和过大?
ADAM
初始版本:类似于加入动量的RMSProp?
?
Second Order optimization methods
second-order taylor expansion:J(θ)≈J(θ0)+(θ?theta0)T+12(θ?θ0)TH(θ?θ0)
θ?=θ0?H?1▽θJ(θ0)
Quasi_newton methods (BFGS) with approximate inverse Hessian matrix L-BFGS (limited memory BFGS)
Does not form/store the full inverse Hessian.
Usually works very well in full batch, deterministic mode
实际经验
ADAM通常会取得比较好的结果,同时收敛非常快相比SGD L-BFGS适用于全batch做优化的情况 有时候可以多种优化方法同时使用,比如使用SGD进行warm up,然后ADAM 对于比较奇怪的需求,deepbit两个loss的收敛需要进行控制的情况,比较慢的SGD比较适用
tensorflow 不同优化算法对应的参数
SGD
optimizer = tf.train.GradientDescentOptimizer(learning_rate=self.learning_rate)
Momentum
optimizer = tf.train.MomentumOptimizer(lr, 0.9)
AdaGrad
optimizer = tf.train.AdagradientOptimizer(learning_rate=self.learning_rate)
RMSProp
optimizer = tf.train.RMSPropOptimizer(0.001, 0.9)
ADAM
optimizer = tf.train.AdamOptimizer(learning_rate=self.learning_rate, epsilon=1e-08)部分局部参数需要查找tensorflow官方文档
直接进行优化
train_op = optimizer.minimize(loss)
获得提取进行截断等处理
gradients, v = zip(*optimizer.compute_gradients(loss))
gradients, _ = tf.clip_by_global_norm(gradients, self.max_gradient_norm)
train_op = optimizer.apply_gradients(zip(gradients, v), global_step=self.global_step)
转载出处:http://www.2cto.com/kf/201612/572613.html
相关文章推荐
- 常见优化算法 (caffe和tensorflow对应参数)
- 11、TensorFLow 中的参数学习算法
- TensorFlow 实战(二)—— tf.train(优化算法)
- 算法移植优化(六)tensorflow模型移植推理优化
- caffe常见优化器使用参数
- 常见优化算法批量梯度下降、小批量梯度下降、随机梯度下降的对比
- 内部元素一一对应的集合的算法优化,从list到hashmap
- 机器学习几种常见优化算法介绍
- java 内存泄露常见类型及对应相关JVM参数
- OpenGL中glVertex2f函数与gluOrtho2D的参数的对应关系,以及常见函数的对应坐标系
- MySQL工作中常见的基本参数优化
- 【干货】2018值得尝试的无参数全局优化新算法,所有测试取得最优结果
- (转)机器学习工具WEKA使用总结,包括算法选择、参数优化、属性选择
- tensorflow中一些常见的优化器
- OpenGL中glVertex2f函数与gluOrtho2D的参数的对应关系,以及常见函数的对应坐标系
- 机器学习常见的优化算法
- OpenGL中glVertex2f函数与gluOrtho2D的参数的对应关系,以及常见函数的对应坐标系
- OpenGL中glVertex2f函数与gluOrtho2D的参数的对应关系,以及常见函数的对应坐标系
- 最优化理论与算法部分整理-常见的参数搜索算法
- java程序启动参数设置优化_分代收集算法