[人工智能]从keras中SGD源码理解基于时间的学习速率衰减decay策略

1. 引入

在求解神经网络优化问题中，学习速率不应该是固定不变的。最好的学习速率，应该在训练开始时偏大，这样能加快训练速度，并在训练过程中逐步减小，这样能更好的逼近最优点。

所以，在参考1中，我们知道了有SGD, Adam, Adadelta 等这些非常经典的优化算法。

2. decay

从参考2的中，我们能看到如何调节SGD, Adam等优化器的参数。
同时我们也发现了一个参数叫做decay，它表示学习速率的衰减值。
decay可以用于SGD, Adam, RMSprop, Adagrad, Adadelta, Adamax, Nadam等keras提供的优化器
decay的默认值是0，可以设置为任何大于等于零的浮点数。

那么，它的含义是什么呢？

从参考3，参考4中，我们可以看到公式表示decay对learning rate的影响，从这个公式表达上，可以看出如下规律

• 每一次epoch/iteration训练后，如果decay不为零，都会在不同优化器计算得到的learning rate的基础上，进一步减小（衰减）learning rate
• decay越大，每一次epoch/iteration训练后，learning rate下降（衰减）的更快
• decay为0，则每一次epoch/iteration训练后得到的learning rate不会改变

3. SGD中decay计算过程源码分析

从上一节中，我们发现有的资料给出了decay对learning rate影响的公式。本文也通过查找keras源码，在github上搜索关键字“class SGD”，找出了SGD中decay对learning rate计算的核心代码（如下代码是从源码中提取出来并经过精简、注释）：

https://github.com/keras-team/keras/blob/master/keras/optimizer_v1.py#L188

class SGD(Optimizer):
  def get_updates(self, loss, params):
    lr = self.lr # 获取上一次计算得到的learning rate
    if self.initial_decay > 0: # 如果decay设置不为0
      lr = lr * (     1. /
          (1. + self.decay * tf.cast(self.iterations, backend.dtype(self.decay))))
        # tf.cast是做类型转换，相当于把self.iterations值转换为和self.decay数据类型相同

所以，learning rate的更新策略，就是

lr = lr * (1. /(1. + decay * iterations))

也就是参考3和参考4中给出的公式。

4. 总结

1. keras中Adam，SGD等优化器，有一个参数叫做decay
2. decay是调节“基于时间的学习速率衰减”策略
3. 调节decay值，只是最简单的一种神经网络学习速率衰减策略
4. decay值默认为0，表示learning rate不随时间（epoch/iterations）衰减
5. decay值越大，则每一次epoch/iteration训练后得到的learning rate衰减越快

. 参考

1. https://blog.csdn.net/ybdesire/article/details/51792925
2. https://keras.io/zh/optimizers/
3. https://stats.stackexchange.com/questions/211334/keras-how-does-sgd-learning-rate-decay-work
4. https://zhuanlan.zhihu.com/p/78096138