概述
动量是梯度下降的一种调整，它累积过去梯度的运行平均值，让优化更快地穿过山谷并抑制振荡。它是深度学习中使用最广泛的训练技巧之一。
带动量的随机梯度下降位于核心 AI 工具包中。当你理解它时，其他人工智能主题就变得更容易评估和比较。
深入探讨
普通随机梯度下降 (SGD) 通过与当前小批量梯度相反的方向步进来更新参数。在形状像狭长峡谷的风景中，这条河蜿蜒穿过陡峭的墙壁，同时沿着平缓的地板爬行。由 Polyak 和后来的 Rumelhart 及其同事推广的动量通过维持速度矢量来解决这个问题：每一步将新的梯度与先前速度的一小部分（动量系数，通常为 0.9）混合。一致的梯度方向会增强和加速，而振荡分量会部分抵消。物理上的类比是一个滚下坡的重球：它会在稳定的方向上增加速度，并且较少因嘈杂的颠簸而偏转，从而比普通 SGD 提供更快、更平滑的收敛。
技术洞察
更新保持速度 v，更新为 v = beta * v + 梯度，然后参数移动负学习率乘以 v。使用动量系数 beta，一致方向上的有效步长大致放大 1/(1 - beta) 倍；当 beta = 0.9 时，大约是十倍。从数学上讲，这是梯度的指数加权移动平均值，可以平滑小批量噪声，同时保留主要下降方向。
掌握动量随机梯度下降
动量是梯度下降的一种调整，它累积过去梯度的运行平均值，让优化更快地穿过山谷并抑制振荡。它是深度学习中使用最广泛的训练技巧之一。带动量的随机梯度下降位于核心 AI 工具包中。当你理解它时，其他人工智能主题就变得更容易评估和比较。为了建立深入的理解，请将动量随机梯度下降视为一种操作模型，而不是单一特征：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，使用随机梯度下降和动量的强大团队首先构建强大的概念模型，然后将这些模型映射到实际的生产约束。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
它可以帮助您将清晰的技术声明与营销语言分开。同时，不同的团队可能会以不同的方式使用同一术语，因此请尽早定义范围。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
它可以帮助您将清晰的技术声明与营销语言分开。
它可以帮助您将清晰的技术声明与营销语言分开。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
在花费金钱或时间之前，您可以提出更好的实施问题。
在花费金钱或时间之前，您可以提出更好的实施问题。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
具有共同理解的团队可以做出更好的产品、政策和学习决策。
具有共同理解的团队可以做出更好的产品、政策和学习决策。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
训练像 ResNet 这样的深度卷积网络，其中动量为 0.9 的 SGD 是标准配方。
使用小批量时平滑噪声梯度估计。
通过携带速度穿过平坦区域来逃离浅层局部高原。
用作自适应优化器（例如 Adam 和 RMSprop 变体）中的动量项。
实施模式
动量随机梯度下降的实践
训练像 ResNet 这样的深度卷积网络，其中动量为 0.9 的 SGD 是标准配方。
训练像 ResNet 这样的深度卷积网络，其中动量 0.9 的 SGD 是标准配方。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
动量随机梯度下降的实践
使用小批量时平滑噪声梯度估计。
使用小批量时平滑嘈杂的梯度估计当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
动量随机梯度下降的实践
通过携带速度穿过平坦区域来逃离浅层局部高原。
通过在平坦区域提高速度来摆脱浅层局部高原当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
动量随机梯度下降的实践
用作自适应优化器（例如 Adam 和 RMSprop 变体）中的动量项。
作为 Adam 和 RMSprop 变体等自适应优化器中的动量项，当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
不同的团队可能会以不同的方式使用同一术语，因此请尽早定义范围。
基准测试可能看起来很强大，但实际性能却参差不齐。
忽视数据质量和评估计划通常会产生脆弱的结果。
实施路线图
从您需要的结果的简单语言定义开始。
从您需要的结果的简单语言定义开始。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在测试之前选择一种成功指标和一种失败条件。
在测试之前选择一种成功指标和一种失败条件。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
使用代表性数据运行小型试点，而不是完善的演示集。
使用代表性数据运行小型试点，而不是完善的演示集。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
记录动量随机梯度下降在哪些方面有帮助，以及哪些更简单的方法更好。
记录动量随机梯度下降在哪些方面有帮助，以及哪些更简单的方法更好。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。