deeplearning 重要调参参数分析

reference: https://blog.csdn.net/jningwei/article/details/79243800

learning rate:学习率，控制模型的学习进度，决定权值更新的速度。也叫做步长，即反向传播算法的 

学习率的设置

在训练开始时，根据迭代次数动态设置学习率。

刚开始时，学习率以0.01~0.001 为宜，一定轮数后，开始下降，在快结束时学习率的衰减应该在100倍以上。由于迁移学习，模型已在原始数据上收敛，应设置较小的学习率（<= 0.00001）,

在新数据上进行微调。

 学习率缓解机制

目标函数损失值看lr

理想情况下的损失曲线应该是滑梯式的，绿线所示：

分析 ：红线一开始就上扬，说明初始学习率过大，从而导致震荡，应该减小学习率。

黄线初始学习率较小，loss曲线收敛缓慢，易过拟合，应增大初始学习率。

紫线初始学习率过大，导致无法过拟合，应减小学习率。

权重衰减 

为了避免网络的过拟合，对cost function引入正则项，作用是减小不重要参数对最后结果的影响，有用的权重不会受到weight decay的影响。过拟合时权重值逐渐变大，在loss function增加一个惩罚项。不是为了提高收敛速度或是收敛精度，正则项指示模型的复杂度，权重衰减调节模型复杂度对损失函数的影响。

Momentum

基本思想是为了找到最优加入“惯性”的影响，当误差曲面中存在平坦区域时，SGD可以更快的学习。

Learning Rate Decay

目的是为了提高SGD的寻优化能力，每次迭代的时候减小学习率的大小。

BN的好处：BN在NeuralNetwork 的激活函数之前，将wx+b按照特征进行标准化处理。

1.Normalization可以使特征缩放至【0，1】，在反向传播时梯度在1左右，避免梯度消失。

2.提高学习速率，标准化后更快达到收敛。

3.减少模型对初始化的依赖。

 batch大小的作用

batch决定梯度下降的方向。如果batch size为全体数据集，则确定的方向可以更好的代表样本总体，更加准确的朝向极值的方向。缺点是内存的限制。

如果设置为1,即为在线学习，每次修正方向都以各自样本的梯度方向修正，难以收敛。

在合理的范围内增大batch_size可以提高内存利用率，减少跑完整个数据集的所需要的迭代次数，加快了相对于相同数据量的处理速度。一般设置为8的倍数。