优化器算法Optimizer

记： $g_t=\nabla{E(w_{t-1})}$

算法名称	算法公式	描述
BGD	$w_t=w_{t-1}-\eta\nabla{E(w_{t-1})}$	每次使用全部样本
SGD	$w_t=w_{t-1}-\eta\nabla{E(w_{t-1},x^{(i)},y^{(i)})}$	每次使用一个样本
MGD	$w_t=w_{t-1}-\eta\nabla{E(w_{t-1},x^{(i:i+m)},y^{(i:i+m)})}$	每次使用m个样本
Momentum	$v_t=\gamma{v_{t-1}}+g_t$ $w_t=w_{t-1}-\eta{v_t}$	指数累加梯度值， $\eta=0.01$
Nesterov	$v_t=\gamma{v_{t-1}}+\eta\nabla{E(w_{t-1}-\gamma{v_{t-1})}}$ $w_t=w_{t-1}-v_t$	以未来位置 $w_{t-1}-\gamma{v_{t-1}}$ 的梯度作为本次累加的梯度， $\gamma=0.9$
Adagrad	$w_t =w_{t-1}-\frac{\eta}{\sqrt{\sum_{i=1}^{t}g_i^2}+\epsilon}g_t$	对稀疏数据低频大更高频小更， $\eta=0.01$
RMSprop	$E[g^2]_t=\gamma{E[g^2]_{t-1}}+(1-\gamma)g_t^2$ $w_t=w_{t-1}-\frac{\eta}{\sqrt{E[g^2]_t}+\epsilon}g_t$	用指数平滑均值代替全梯度求和， $\gamma=0.9,\eta=0.001$
AdaDelta	$E[g^2]_t=\gamma{E[g^2]_{t-1}}+(1-\gamma)g_t^2$ $w_t =w_{t-1}-\frac{\sqrt{E[\Delta{w}]_{t-1}}}{\sqrt{E[g^2]_t}+\epsilon}g_t$ 或令 $RMS[g]_t=\sqrt{E[g^2]_t}$ $w_t=w_{t-1}-\frac{RMS[\Delta{w}]_{t-1}}{RMS[g]_t}g_t$	一阶方法逼近二阶牛顿法， $\gamma=0.9$
Adam(Adaptive Moment Estimation)	$m_t=\beta_1m_{t-1}+(1-\beta_1)g_t$ $v_t=\beta_2v_{t-1}+(1-\beta_2)g_t^2$ $\hat{m}_t=\frac{m_t}{1-\beta_1^t}$ $\hat{v}_t=\frac{v_t}{1-\beta_2^t}$ $w_t=w_{t-1}-\frac{\eta}{\sqrt{\hat{v}_t}+\epsilon}\hat{m}_t$	RMSprop + Momentum+偏差矫正， $\beta_1=0.9$ $\beta_2=0.999$ $\epsilon=10^{-8}$

梯度下降算法

系数更新公式为：
$w_t=w_{t-1}-\eta\nabla{E(w_{t-1})}$
不妨设 $\bar{y}^{(i)}=wx+b$ ，且损失函数为：
$E(w)=\frac{1}{2}\sum_{i=1}^n(y^{(i)}-\bar{y}^{(i)})^2$
则梯度为：
$\begin{align} \nabla{E(w)}&=\frac{1}{2}\sum_{i=1}^{n}\frac{\partial}{\partial{w}}(y^{(i)}-\bar{y}^{(i)})^2\\ &=\frac{1}{2}\sum_{i=1}^{n}\frac{\partial}{\partial{w}}(y^{(i)2}-2y^{(i)}\bar{y}^{(i)}+\bar{y}^{(i)2})\\ &=\frac{1}{2}\sum_{i=1}^{n}2(-y^{(i)}+\bar{y}^{(i)})\mathrm{x}\\ &=-\sum_{i=1}^{n}(y^{(i)}-\bar{y}^{(i)})\mathrm{x} \end{align}$
对于BGD，n为全体数据量；对于SGD，n为1；对于MGD，n为批量大小m。

牛顿二阶梯度优化法的推导

$f(x)$ 在 $f(x_k)$ 泰勒展开以及梯度为
$f(x)=f(x_k)+g_k(x-x_k)+\frac{1}{2}(x-x_k)^TH_k(x-x_k) \\ \nabla{f(x)}=g_k+H_k(x-x_k)$ 令 $\nabla{f(x)}=0$ 时 $x=x_{k+1}$ ，得
$\nabla{f(x_{k+1})}=g_k+H_k(x_{k+1}-x_k)=0$ 从而
$x_{k+1}=x_k-H_k^{-1}g_k$

牛顿二阶系数更新公式

系数更新公式为：
$w_t=w_{t-1}-H_t^{-1}\nabla{E(w_{t-1})}$
其中 $H$ 为参数二阶导矩阵，即Hessian矩阵。 $H_t^{-1}$ 代替了 $\eta$ ，不过计算复杂度为 $O(n^3)$ ，代价太高。

AdaDelta

使用一阶方法近似牛顿二阶，从而可以省去超参 $\eta$ 。记： $g_t=\nabla{E(w_{t-1})}$
由牛顿二阶法系数更新公式
$\Delta{w} \propto H_t^{-1}g_t$ 可得
$H_t^{-1} \propto \frac{\Delta{w}}{g_t} \approx \frac{RMS[\Delta{w}]_{t-1}}{RMS[g]_t}$ 从而
$w_t=w_{t-1}-\frac{RMS[\Delta{w}]_{t-1}}{RMS[g]_t}g_t$

最后编辑于：2018.10.09 18:08:37

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

优化器算法Optimizer

优化器算法Optimizer

梯度下降算法

牛顿二阶梯度优化法的推导

牛顿二阶系数更新公式

AdaDelta

相关阅读更多精彩内容

友情链接更多精彩内容