《动手学深度学习Pytorch版》Task7-优化算法进阶；word2vec；词嵌入进阶

优化算法进阶

ill-conditioned

海森矩阵(Hessian Matrix)是一个多元函数的二阶偏导数构成的方阵，当海森矩阵的特征值中 最大最小的比值很大时，就称之为ill-conditioned。梯度下降时，这种情况会使得不同参数收敛速度差异很大，不容易收敛。

下图就是$f(x)=0.1x_1^2+2x_2^2$f(x)=0.1x12​+2x22​的梯度下降更新轨迹。可以看到，由于x2二阶导的绝对值比较大，所以该方向上震荡的更厉害。
考虑减少x2方向的震荡 -> ❎考虑调整学习率 -> x1方向将收敛变得的很慢

Solution to ill-condition

• 预先修改梯度向量
  添加参数来控制梯度更新的大小程度，从而修正ill-conditioned。该方法应用于 Adam, RMSProp, AdaGrad, Adelta, KFC, Natural gradient 和一些其他的二阶优化算法

• 移动历史平均
  这类方法允许使用更大的学习率，用于Adam, RMSProp, SGD momentum

• momemtum
  
  momentum使用了移动历史平均，我们可以近似的认为，梯度下降时利用了最近$\frac{1}{1-\beta}$1−β1​个时间步的梯度的指数加权平均来做更新，时间最近权重越大。

• AdaGrad
  
  AdaGrad的缺点：当学习率在迭代早期降得较快且当前解依然不佳时，AdaGrad算法在迭代后期由于学习率过小，可能较难找到一个有用的解。

• RMSProp
  基于AdaGrad做了修改
  

• AdaDelta
  
  有意思的是，AdaDelta算法没有学习率这一超参数。

• Adam
  
  Adam = momentum + RMSProp + 偏差修正

Word2Vec

Skim-Gram
CBOW

负采样(negative sampling)
层序softmax(hiererarchical softmax)

词嵌入进阶(GloVe)

后续补上