Adam三连问

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。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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^=mt1β1+gt(1β1)=vt1β2+gt2(1β

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值