深度學習：學習率learning rate 的設定規律
阿新 • • 發佈：2019-01-31
Introduction
學習率 (learning rate)，控制 模型的 學習進度 ：
學習率大小
| 學習率 大 | 學習率 小 | |
|---|---|---|
| 學習速度 | 快 | 慢 |
| 使用時間點 | 剛開始訓練時 | 一定輪數過後 |
| 副作用 | 1.易損失值爆炸；2.易振盪。 | 1.易過擬合；2.收斂速度慢。 |
學習率設定
在訓練過程中，一般根據訓練輪數設定動態變化的學習率。
- 剛開始訓練時：學習率以 0.01 ~ 0.001 為宜。
- 一定輪數過後：逐漸減緩。
- 接近訓練結束：學習速率的衰減應該在100倍以上。
Note：
如果是 遷移學習 ，由於模型已在原始資料上收斂，此時應設定較小學習率 () 在新資料上進行 微調 。
學習率減緩機制
| 輪數減緩 | 指數減緩 | 分數減緩 | |
|---|---|---|---|
| 英文名 | step decay | exponential decay | decay |
| 方法 | 每N輪學習率減半 | 學習率按訓練輪數增長指數插值遞減 | ， 控制減緩幅度， 為訓練輪數 |
把脈 目標函式損失值 曲線
理想情況下 曲線 應該是 滑梯式下降 [綠線]：
- 曲線 初始時 上揚
[紅線]：
Solution：初始 學習率過大 導致 振盪，應減小學習率，並 從頭 開始訓練 。 - 曲線 初始時 強勢下降 沒多久 歸於水平
[紫線]：
Solution：後期 學習率過大 導致 無法擬合，應減小學習率，並 重新訓練 後幾輪 。 - 曲線 全程緩慢
[黃線]：
Solution：初始 學習率過小 導致 收斂慢，應增大學習率，並 從頭 開始訓練 。