1、动量(momentum)
简述
一，优化器中的Momentum
主要是在训练网络时，最开始会对网络进行权值初始化，但是这个初始化不可能是最合适的；因此可能就会出现损失函数在训练的过程中出现局部最小值的情况，而没有达到全局最优的状态。momentum的出现可以在一定程度上解决这个问题。动量来源于物理学，当momentum越大时，转换为势能的能量就越大，就越有可能摆脱局部凹区域，从而进入全局凹区域。momentum主要是用于权值优化。
二，bn层中的Momentum
??这个momentum参数不同于优化器optimizer类中使用的momentum参数和momentum的传统概念。从数学上讲，这里运行统计数据的更新规则是 :
- x是估计的数据
- xt是新的观察到的数据
xnew?= (1-momentum) * x + momentum * xt
之前学习的用梯度更新参数w ww的公式：
其中α是学习率。现用
?来代替。即相当于原式子又减去了一个
这一项。其中z 表征了上次更新的方向和大小，而? f ( w )则是梯度，所以新的式子综合考虑了梯度下降的方向和上次更新的方向，用β 来决定了惯性的大小。
?优点
（1）不仅考虑了当前的梯度下降的方向，还综合考虑了上次更新的情况，使得学习器学习过程的幅度和角度不会太尖锐，特别是遇到来回抖动的情况时大有好转。
（2）当遇到局部极小值时，因为设置了惯性，所以可能可以冲出局部最小值，这样就更可能找到一个全局最小值。
如图分别表示没有和有动量参与的梯度更新：
参考博客：
动量，学习率衰减，early stopping，Drop out，_潜鲸的博客-CSDN博客
【PyTorch学习笔记】15：动量(momentum),学习率衰减_LauZyHou的笔记-CSDN博客_momentum取值
2、Learning Rate Decay?
?在使用梯度更新参数时，学习率如果选取太小的话，学习过程会很慢；’如果学习率选取太大，那么很可能会出现来回抖动的情况，这时最终的模型可能很难收敛，而且看起来和"梯度弥散"的情况也很像（但其实不是）。
选取合适的固定的学习率是很难的， 可以在训练的一开始选取比较大的学习率加快训练过程，然后逐渐让其衰减到比较小的值，最终让模型收敛。