机器学习之路： 深度学习 tensorflow 神经网络优化算法 学习率的设置

在神经网络中，广泛的使用反向传播和梯度下降算法调整神经网络中参数的取值。

梯度下降和学习率：

　　假设用 θ 来表示神经网络中的参数， J(θ) 表示在给定参数下训练数据集上损失函数的大小。

　　那么整个优化过程就是寻找一个参数θ， 使得J(θ) 的值最小， 也就是求J(θ) 的最小值

　　损失函数J(θ)的梯度 = ∂ J(θ) / ∂ θ 

　　此时定义一个学习率 η 

　　梯度下降法更新参数的公式为： θ_n+1 = θ_n - η ( ∂ J(θ_n) / ∂ θ_n )

　　将这个公式循环的重复下去，θ的值就从高处逐渐向最低处一小步一小步的移动

举个例子：

　　使用梯度下降 使得损失函数函数 J(x) = x² 的值尽量小，  由二次函数图像开口向上可以知道，二次函数最小值为0，

　　梯度 ▽ = ∂ J(x) / ∂ x = 2x

　　假设初始值为 x= 5, 设置学习率为0.3

　　使用梯度下降更新x的值 步骤如下：

　　轮数　　　　　　当前参数x　　　　　　梯度 * 学习率　　　　　　更新后参数

　　1　　　　　　　　5 　　　　　　　　　　2*5*0.3 = 3　　　　　　5-3=2

　　2　　　　　　　　2　　　　　　　　　　2*2*0.3 = 1.2　　　　　 2-1.2 = 0.8

　　3　　　　　　　　0.8　　　　　　　　　2*0.8*0.3 = 0.48　　　　0.8-0.48 = 0.32

　　4　　　　　　　　0.32　　　　　　　　2*0.32*0.3 = 0.192　　　　0.32-0.192=0.128

　　5　　　　　　　　0.128    　　　　　　2*0.128*0.3=0.0768　　　0.128-0.0768=0.0512

　　经过五次迭代x从5变成了0.0512， 已经和0非常接近了。

 但是梯度下降并不能每次都能获得全局最优解。

　　如果学习率过小，可能会导致陷入局部最优解的情况。如图：

 　　如果学习率过大，很可能在最优解两侧来回回荡，永远也到不了最低点。

举个例子：

　　使用梯度下降 使得损失函数函数 J(x) = x² 的值尽量小，  由二次函数图像开口向上可以知道，二次函数最小值为0，

　　梯度 ▽ = ∂ J(x) / ∂ x = 2x

　　假设初始值为 x= 5, 设置学习率为 1

　　使用梯度下降更新x的值 步骤如下：

　　轮数　　　　　　当前参数x　　　　　　梯度 * 学习率　　　　　　更新后参数

　　1　　　　　　　　5 　　　　　　　　　　2*5*1= 10　　　　　　5-10 = -5

　　2　　　　　　　　-5　　　　　　　　　　2*-5*1 =-10　　　　　-5+10 = 5

继续下去他仍会来回摆荡，永远无法收敛

可见， 学习率过大或者过小都不好。

tensorflow为我们提供了一种灵活的学习率设置方式----指数衰减： tf.train.exponential_decy函数

　　每一轮的学习率 = 学习率 * 衰减系数^(global_steps/decay_steps)

　　随着步数的增加，学习率在变小，并且步数越多，变小的速度越慢

　　learning_rate = tf.train.exponential_decay(学习率， global_step, decay_step, 衰减系数，staircase=True)

　　　　global_step 是当前已经执行多少步了

　　　　decay_step 是下降速度，指的是 每隔多少步，学习率指数增长一个

　　例如：

　　　　 tf.train.exponential_decay(0.1， global_step, 100, 0.96，staircase=True)

　　　　初始学习率0.1 每隔100步 学习率乘以0.96

　　　　stairecase 为true的时候，以阶梯方式下降，  为False时候 以平滑曲线下降