深度学习的优化算法

目前，深度学习的优化器以反向传播的梯度下降算法为主流。常见的优化器有如下几种：

• BGD
• SGD
• MBGD
• Momentum
• RMSProp
• AdaGrad
• Adam

1. 批量梯度下降(Batch Gradient Descent, BGD)

2. 随机梯度下降法（Stochastic Gradient Descent，SGD）

3. 小批量随机梯度下降(Mini-batch Gradient Descent, MBGD)

4. SGDM(SGD with Momentum)

SGDM在SGD基础上引入了一阶动量:

$$m_t={\beta }_1\cdot m_{t-1}+(1-{\beta }_1)\cdot g_t$$

SGD-M参数更新公式如下，其中$\alpha$是学习率，$g_t$是当前参数的梯度

$${\omega }_{t+1}={\omega }_t-\alpha \cdot m_t={\omega }_t-\alpha \cdot ({\beta }_1\cdot m_{t-1}+(1-{\beta }_1)\cdot g_t)$$

一阶动量是各个时刻梯度方向的指数移动平均值，也就是说，$t$时刻的下降方向，不仅由当前点的梯度方向决定，而且由此前累积的下降方向决定。${\beta }_1$ 的经验值为0.9，这就意味着下降方向主要是此前累积的下降方向，并略微偏向当前时刻的下降方向。想象高速公路上汽车转弯，在高速向前的同时略微偏向，急转弯可是要出事的。

特点：

因为加入了动量因素，SGD-M缓解了SGD在局部最优点梯度为0，无法持续更新的问题和振荡幅度过大的问题，但是并没有完全解决，当局部沟壑比较深，动量加持用完了，依然会困在局部最优里来回振荡。

5. RMSProp

6. 自适应梯度法(adaptive gradient, AdaGrad)

它通过记录每次迭代过程中的前进方向和距离，从而使得针对不同问题，有一套自适应调整学习率的方法，即不同的参数是需要不同的学习率的。具有损失较大偏导的参数相应地有一个快速下降的学习率，而具有小偏导的参数在学习率上有相对较小的下降。

AdaGrad的效果是：在参数空间中更为平缓的倾斜方向会取得更大的进步（因为平缓，所以历史梯度平方和较小，对应学习下降的幅度较小）。

优点：解决了SGD中学习率不能自适应调整的问题。

缺点：
（1）对于训练深度神经网络模型而言，从训练开始时累积平方梯度值会越来越大，会导致学习率过早和过量的减少，从而导致迭代后期收敛及其缓慢。AdaGrad在某些深度学习模型上效果不错，但不是全部。
（2）需要手动设置全局学习率

7. Adam