Question

我正在使用TensorFlow来训练神经网络。这就是我初始化GradientDescentOptimizer：

的方法

init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)

mse        = tf.reduce_mean(tf.square(out - out_))
train_step = tf.train.GradientDescentOptimizer(0.3).minimize(mse)

这里的问题是我不知道如何为学习率设置更新规则或者为此设置衰减值。

我如何在这里使用自适应学习率？

Answer 1

首先，tf.train.GradientDescentOptimizer旨在对所有步骤中的所有变量使用恒定学习率。 TensorFlow还提供开箱即用的自适应优化器，包括tf.train.AdagradOptimizer和tf.train.AdamOptimizer，这些可用作插入式替换。

但是，如果你想用其他 - 香草梯度下降来控制学习率，你可以利用tf.train.GradientDescentOptimizer constructor的learning_rate参数可以是Tensor的事实。宾语。这允许您为每个步骤中的学习率计算不同的值，例如：

learning_rate = tf.placeholder(tf.float32, shape=[])
# ...
train_step = tf.train.GradientDescentOptimizer(
    learning_rate=learning_rate).minimize(mse)

sess = tf.Session()

# Feed different values for learning rate to each training step.
sess.run(train_step, feed_dict={learning_rate: 0.1})
sess.run(train_step, feed_dict={learning_rate: 0.1})
sess.run(train_step, feed_dict={learning_rate: 0.01})
sess.run(train_step, feed_dict={learning_rate: 0.01})

或者，您可以创建一个保持学习率的标量tf.Variable，并在每次想要更改学习率时分配它。

Answer 2

Tensorflow提供了一个操作，可以自动将指数衰减应用于学习速率张量：tf.train.exponential_decay。有关它的使用示例，请参阅this line in the MNIST convolutional model example。然后使用上面的@mrry建议将此变量作为learning_rate参数提供给您选择的优化器。

要看的关键摘录是：

# Optimizer: set up a variable that's incremented once per batch and
# controls the learning rate decay.
batch = tf.Variable(0)

learning_rate = tf.train.exponential_decay(
  0.01,                # Base learning rate.
  batch * BATCH_SIZE,  # Current index into the dataset.
  train_size,          # Decay step.
  0.95,                # Decay rate.
  staircase=True)
# Use simple momentum for the optimization.
optimizer = tf.train.MomentumOptimizer(learning_rate,
                                     0.9).minimize(loss,
                                                   global_step=batch)

请注意global_step=batch参数以尽量减少。这告诉优化器每次训练时都会为你帮助增加'batch'参数。

Answer 3

梯度下降算法使用您可以在during the initialization中提供的恒定学习率。您可以通过Mrry表现的方式传递各种学习率。

但您可以使用more advanced optimizers代替它，它具有更快的收敛速度并适应这种情况。

根据我的理解，这是一个简短的解释：

势头 helps SGD沿着相关方向导航并软化无关紧要的振荡。它只是将前一步骤的一部分方向添加到当前步骤。这实现了在正确的方向上放大速度并且在错误的方向上软化振荡。该分数通常在（0,1）范围内。使用自适应动量也是有意义的。在学习开始时，一个巨大的动力只会阻碍你的进步，所以使用像0.01这样的东西很有意义，一旦所有的高梯度消失，你就可以使用更大的时刻。动量存在一个问题：当我们非常接近目标时，我们在大多数情况下的势头非常高，并且不知道它应该减速。这可能导致它在最小值周围错过或振荡
nesterov加速渐变通过开始减速来克服这个问题。在动量中，我们首先计算梯度，然后在那个方向上跳跃，放大我们之前的动量。 NAG做了同样的事情，但是按照另一种顺序：首先我们根据存储的信息进行大跳，然后我们计算渐变并进行小的修正。这种看似无关紧要的变化带来了显着的实际加速。
AdaGrad 或自适应渐变允许学习率根据参数进行调整。它为不频繁的参数执行更大的更新，为频繁的参数执行更小的更新。因此，它非常适合稀疏数据（NLP或图像识别）。另一个优点是它基本上不需要调整学习速率。每个参数都有自己的学习速率，并且由于算法的特殊性，学习速率是单调递减的。这导致了最大的问题：在某个时间点，学习率很小，系统停止学习
AdaDelta 解决了AdaGrad单调降低学习率的问题。在AdaGrad中，学习率大致计算为1除以平方根的总和。在每个阶段，您将另一个平方根添加到总和，这会导致分母不断减少。在AdaDelta中，它不是对所有过去的平方根求和，而是使用滑动窗口，允许总和减少。 RMSprop 与AdaDelta非常相似
Adam 或自适应动量是一种类似于AdaDelta的算法。但除了存储每个参数的学习率之外，它还分别存储每个参数的动量变化

A few visualizations：

Answer 4

来自tensorflow官方文档

global_step = tf.Variable(0, trainable=False)
starter_learning_rate = 0.1
learning_rate = tf.train.exponential_decay(starter_learning_rate, global_step,
                                       100000, 0.96, staircase=True)

# Passing global_step to minimize() will increment it at each step.
learning_step = (
tf.train.GradientDescentOptimizer(learning_rate)
.minimize(...my loss..., global_step=global_step))

Answer 5

如果您要为0 < a < b < c < ...之类的时间间隔设置特定的学习率。然后，您可以将学习率定义为一个条件张量，以全局步长为条件，并将其正常输入优化器。

您可以使用一堆嵌套的tf.cond语句来实现这一点，但是更容易以递归方式构建张量：

def make_learning_rate_tensor(reduction_steps, learning_rates, global_step):
    assert len(reduction_steps) + 1 == len(learning_rates)
    if len(reduction_steps) == 1:
        return tf.cond(
            global_step < reduction_steps[0],
            lambda: learning_rates[0],
            lambda: learning_rates[1]
        )
    else:
        return tf.cond(
            global_step < reduction_steps[0],
            lambda: learning_rates[0],
            lambda: make_learning_rate_tensor(
                reduction_steps[1:],
                learning_rates[1:],
                global_step,)
            )

然后要使用它，您需要知道单个纪元中有多少个训练步骤，以便我们可以使用全局步骤在正确的时间切换，并最终定义所需的纪元和学习率。因此，如果我想分别在[0.1, 0.01, 0.001, 0.0001]的纪元间隔内学习[0, 19], [20, 59], [60, 99], [100, \infty]，我会这样做：

global_step = tf.train.get_or_create_global_step()
learning_rates = [0.1, 0.01, 0.001, 0.0001]
steps_per_epoch = 225
epochs_to_switch_at = [20, 60, 100]
epochs_to_switch_at = [x*steps_per_epoch for x in epochs_to_switch_at ]
learning_rate = make_learning_rate_tensor(epochs_to_switch_at , learning_rates, global_step)

如何为GradientDescentOptimizer设置自适应学习速率？

5 个答案: