深度学习中的优化方法

相关部分有手写笔记（见GoodNotes)

复习网址这个写的一级棒。这里对自己的复习做一个整理。

指数加权平均

这个简单，即 $V_t = \beta V_{t-1} + (1-\beta) \theta_{t}$

带偏差修正的指数加权平均

基于上一项的，公式是 $V_t = \frac{\beta V_{t-1} + (1-\beta) \theta_{t}}{1-\beta^t}$

分母 $1-\beta^t$ 即为偏差修正

momentum

意为动量，即在普通的梯度下降基础上加入了动量（本质是指数加权平均）：
$\begin{align*} V_{dw} &= \beta V_{dw} + (1-\beta) dw \\ w &= w - \alpha V_{dw} \end{align*}$

Nesterov Momentum(不重要)

简单来说，就是加了校正因子的momentum
$\begin{align*} V_{dw} &= \beta V_{dw} - \alpha dw \\ w &= w + \beta Vdw - \alpha dw \end{align*}$

AdaGrad

记它也同样通过英文来记，Adaptive Gradient，即不同的参数采用不同的学习率
$\begin{align*} S_{dw} &= S_{dw} + (dw)^2\\ w &= w - \frac{\alpha}{\sqrt{S_{dw}+\epsilon}}dw \end{align*}$

RMSprop

可理解为加了权重的AdaGrad
$\begin{align*} S_{dw} &= \beta S_{dw} + (1-\beta)(dw)^2\\ w &= w - \frac{\alpha}{\sqrt{S_{dw}+\epsilon}}dw\end{align*}$

Adam

记它的时候请记住这是一个终极大魔王，所有思想都整合到了。

英文全称为Adaptive Moment Estimation。Adaptive对应改进版的Adaptive Gradient(其实就是RMSprop), Moment对应Momentum, 还附带了偏差修正

momentum:
$\begin{align*} V_{dw} &= \beta_{1} V_{dw} + (1-\beta_{1}) dw \\ \end{align*}$
RMSprop:
$\begin{align*} S_{dw} &= \beta_2 S_{dw} + (1-\beta_2)(dw)^2\\ \end{align*}$
偏差修正：
$\begin{align*} V_{dw}^{correct} &= \frac{V_{dw}}{1-\beta_1^t} \\ S_{dw}^{correct} & = \frac{S_{dw}}{1-\beta_2^t} \end{align*}$
最后：
$w = w - \frac{\alpha}{\sqrt{S_{dw}^{correct}+\epsilon}}V_{dw}^{correct}$

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 217,406评论 6赞 503
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 92,732评论 3赞 393
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 163,711评论 0赞 353
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 58,380评论 1赞 293
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 67,432评论 6赞 392
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 51,301评论 1赞 301
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 40,145评论 3赞 418
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 39,008评论 0赞 276
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 45,443评论 1赞 314
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 37,649评论 3赞 334
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 39,795评论 1赞 347
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 35,501评论 5赞 345
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 41,119评论 3赞 328
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 31,731评论 0赞 22
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 32,865评论 1赞 269
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 47,899评论 2赞 370
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 44,724评论 2赞 354