[人工智能]神经网络训练不起来怎么办---李宏毅《机器学习》笔记05

一、local minima 和 saddle point

1. loss不下降是什么原因？梯度为0（critical point）
2. 但local minima 的情况很少，一般saddle point

1.1 如何知道是卡在local minima 还是 saddle point

1. 用泰勒级数模拟Loss在该点附近的形状

2. 根据Hessian判断形状：如果H正定则是local minima

1.2 H可能能告诉我们更新参数的方向

二、 Batch 和 Momentum

2.1 batch

1. 实际中把所有的data分成一个一个batch，算完一个epoch后shuffle，让每次的batch都不一样
   
2. 为什么要用batch？ powerful，虽然冷却时间长，但是可以用GPU平行计算来解决
   
3. small batch vs large batch
   
   
   
4. 鱼与熊掌兼得？可以

2.2 Momentum

1. 在移动参数时，加上前一步移动的方向综合决定

2. 其实考虑进去了所有移动的总和

三、自动调整学习率

1. loss不再下降的时候，gradient不一定很小。
   
2. 自动调整学习率
3. Adagrad

4. RMSProp


5. Adam

6. Warm Up： 先变大后变小
   

四、 Classification

4.1 classification as regression

4.2 loss of classification

五、批次标准化（Batch Normalization）

1. “把山铲平”的方法

5.1 Feature Normalization

1. 标准化
   

5.2 Considering Deep Learning

1. 标准化的时机在激活前和激活后差异不大，这里对z做
   

2. 

5.3 Batch Normalization

1.training

2. testing