本文探讨了Adam优化器与L2正则的配合、梯度爆炸问题以及学习率衰减的必要性。Adam在使用L2正则时与SGD不同，不等价于weight decay。尽管理论上Adam不应导致梯度爆炸，但在实际操作中，由于滑动平均的影响，仍可能出现该问题。此外，即使Adam初期能快速收敛，后期仍需学习率衰减以确保稳定收敛。最后，简述了mini batch在深度学习中的作用和无偏估计的概念。
Adam能和L2正则一起使用？
不能。
L2正则 在SGD中和weight decay是等价的，但是在Adam中就不等价了。
因为在Adam中，每个参数的梯度的计算和历史梯度相关，不是简单乘上学习率
参考：https://zhuanlan.zhihu.com/p/63982470
Adam能解决梯度爆炸？
不能。
理论上，Adam是不会发生梯度爆炸的问题，因为梯度更新式：
mt=mt−1⋅β1+gt⋅(1−β1)vt=vt−1⋅β2+gt2⋅(1−β2)mt^=mt/(1−beta1t)vt^=mt/(1−beta2t)gt^=lr⋅mt^vt^ \begin{aligned} m_t &= m_{t-1}\cdot \beta_1 + g_t \cdot (1 - \beta_1)\\ v_t &= v_{t-1}\cdot \beta_2 + g_t^2 \cdot (1 - \beta_2)\\ \hat{m_t} &= m_t / (1-beta_1^t)\\ \hat{v_t} &= m_t / (1-beta_2^t)\\ \hat{g_t} &= lr \cdot \frac{\hat{m_t}}{\sqrt{\hat{v_t}}} \end{aligned} mtvtmt^vt^gt^=mt−1⋅β1+gt⋅(1−β1)=vt−1⋅β2+gt2⋅(1−β
最低0.47元/天 解锁文章
扫一扫
2985
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
