深度學習優化中的動態學習率
隨著gradient不斷地update， 最後走向了gradient =0或是gradient非常小時，Loss無法在優化的狀況 → 通常我們會判斷是走到了critical point → 但真的是critical point嗎?
-> 調整學習速率幫助我們檢查和更進一步優化loss。
為什麼需要動態的learning rate?
我們可以想像一個error surface的最低點位在兩個狹窄的山壁之間，此時如果我們的learning rate很大，那就會不斷地在山壁間打轉，始終沒辦法往下；反之，如果我們設定learning rate很小，雖然可以往下優化loss，但因為底部非常平滑，就會導致花了很大量的時間更新，還是沒辦法得到loss的最佳解。因此我們需要一個動態的learning rate。
Root Mean Square
一般我們更新參數θ的方式： θi = θi-1 - η*g
那在動態的learning rate中，我們加上一個控制learning rate的參數σ。
=> θi = θi-1 - (η/σt) *g. *(η/σt)被稱為dependent learning
=> σt= 所有使用過的gradient值開根號平方的平均。
=> 這是被Root Mean Square的動態learning rate。
為什麼能夠動態呢？
想像當我們的曲線平緩的時候，gradient就小 -> σt就小 -> dependent learning就會變大。
RMSProp
在RMS的方法中，每一個gradient值的權重都是相同的，但在RMSProp中，我們可以自行決定當前gradient值的權重α，以及剩餘的gradient值的權重(1-α)
→ 為的是更快反應當前的位置與平緩程度。當前算出來的gradient代表的是當前的位置以及平緩程度，因此我們可以藉由調整α值，讓更新可以更快被反應，而不會像原本的RMS反應得如此緩慢。
*至今最常用的optimization策略: Adam = RMSProp + Momentom
但是透過RMSProp的方法有可能造成下圖突然暴衝的狀況！ → 因為過去累積太多縱軸移動的值σ，雖然最後還是會回歸到原本的位置，但就會有這種狀況 → 如何避免？ → 進行Learning rate Scheduling
Learning rate Scheduling兩種方法：
- learning rate decay: 讓learning rate逐漸減少，因為我們每次更新，都會更接近終點，所以讓learning rate逐漸減少是合理的，同時也能阻止暴衝的狀況（因爲值本身就比較小）。
- warm up：讓learning rate先增加，在減小。因為初始時我們不確定狀況如何，所以我們摸索learning rate的值，慢慢抓到狀況後，才以learning rate最大值進行，之後就如learning rate decay慢慢減小。
你可能也想看
