SelanjutnyaPanduan berikutnya
Penurunan Gradien Stokastik dengan Momentum
Dasar-dasar
PANDUAN Dasar
Plain gradient descent updates parameters by subtracting a learning rate times the objective's gradient.
Dengarkan panduan iniDiceritakan oleh AI · ~3 min
It aims to reduce the objective locally, while step size and loss shape determine whether a particular update succeeds.
For a differentiable scalar objective, the gradient identifies the direction of steepest local increase under the usual Euclidean norm. Plain gradient descent moves in the opposite direction. Its update is new weight equals old weight minus learning rate times gradient. In a scalar illustration with old weight two, gradient three, and learning rate one-tenth, the new weight is one-point-seven. That formula describes the proposed update, not a guarantee that every finite step reduces loss. A learning rate that is too large can overshoot or lead to divergence, and a very small rate can make progress slow. Full-batch gradient descent uses the selected training objective over the whole dataset. Stochastic and mini-batch methods instead use gradients from sampled examples or batches. The batch gradient is exact for that batch calculation but estimates the full-data gradient; the resulting variability can help or hurt depending on the problem. Momentum combines information from earlier gradients to influence the current update. Adam maintains per-parameter moment estimates that adapt updates, so it should not be confused with plain unmodified gradient descent. Nonconvex loss surfaces also contain stationary points. A zero gradient is not proof of a globally lowest objective: local minima, maxima, and saddle points can have zero gradient. Training therefore needs monitoring of the objective and relevant evaluation metrics rather than assuming that a named optimizer or a stationary point establishes success.
Menurunkan kesalahan prediksi model bahasa di miliaran token pelatihan menggunakan pembaruan mini-batch
Menyesuaikan kecepatan pemelajaran sehingga model gambar menyatu dengan cepat tanpa menimbulkan kerugian yang besar
Menggunakan momentum untuk mempercepat pelatihan jaringan pengenalan suara yang terjebak dalam lembah kerugian yang panjang dan sempit
Menerapkan Adam untuk menyempurnakan model pada kumpulan data kecil yang kecepatan pembelajaran per parameternya membantu stabilitas
Optimization research studies schedules, moment estimates, curvature, and distributed implementations under specific objectives and workloads. A method that performs well in one experiment may require different settings elsewhere. Report learning rates, sampling, state rules, and evaluation conditions when comparing training runs. Verify that updates change parameters as intended and track whether useful metrics improve; a direction motivated by local calculus is not a universal guarantee of convergence or application quality.
Buletin gratis
Tiga cerita AI terverifikasi setiap pagi hari kerja, ditulis dalam bahasa Inggris sederhana. Gratis selamanya, tanpa iklan.
Satu email setiap hari kerja. Berhenti berlangganan dalam satu klik. Kami tidak pernah menjual atau membagikan alamat Anda.
Uji diri Anda sendiri
Umpan balik instan untuk setiap jawaban, dan sertifikat yang dapat dibagikan dengan ID yang dapat diverifikasi setelah Anda lulus kursus.
Mendukung pendidikan AI gratis. AI Understanding adalah organisasi nirlaba 501(c)(3) — tanpa iklan, tanpa paywall, selamanya. Berikan sumbangan
Plain gradient descent updates parameters by subtracting a learning rate times the objective's gradient. It aims to reduce the objective locally, while step size and loss shape determine whether a particular update succeeds.
Penurunan gradien biasa mengurangi gradien berskala, dengan peningkatan bergantung pada ukuran langkah dan bentuk tujuan.
Kecepatan pemelajaran menskalakan seberapa jauh bobot bergerak pada setiap pembaruan; overshoot yang terlalu besar, terlalu kecil membuat latihan menjadi sangat lambat.
Turunan batch yang dihitung adalah tepat untuk batch tersebut, sedangkan pengambilan sampel menjadikannya perkiraan turunan data lengkap.
Langkah-langkah besar dapat melewati batas minimum dan memantul atau meledak, menyebabkan kerugian semakin besar dan bukannya menetap.
Momentum menggabungkan sejarah gradien, yang dapat memengaruhi kemajuan dan osilasi; efeknya masih tergantung pada pengaturan.
Teruslah belajar
Panduan lainnya dipilih untuk topik ini
SelanjutnyaPanduan berikutnya
Penurunan Gradien Stokastik dengan Momentum
Dasar-dasar