网站主题分析链接提交

一 关于batch size的讨论

首先我们要了解，在每一次进行epoch时，会进行一次shuffle，进行batch分配。

其次，我们要理解batch和epoch。

batch就是把所有资料分成几个批次，每个批次读完进行一次梯度更新(update)，所有batch读完算一个epoch.一般来说，在现有gpu并行能力的基础上，当数据量不大时，小batch size和大batch size的update速度几乎一样。但是当数据量过大，batch size过大，update的速度就较慢了。（如下图左）

但是，显而易见的，小batch size需要进行多次update,进行一次epoch所需时间更长。

但是，从模型训练精度角度下，小batch size的准确率更高（不易陷入局部优解）。（这给我们进行optimisization优化提供了思路） （如下图）

因为（1）小batch size不易陷入局部优解：小bacth因为每次进行update的数据是不一样的，这时候loos函数大概率有差别，这样的话不会拘泥于一个函数，有利于跳出单函数的局部最优。 

（2） 小的batch size还可以有效防止过拟合。

因为大batch size容易掉入窄的局部优解（峡谷），而小batch size容易处于宽的局部优解(盆地），当测试集测试时，loss函数和training 时的loss函数有差别（这里我们假设相对于原loss函数进行了平移），我们能明显看到，盆地处的误差要远小于峡谷处（红色虚线）。

总的总结如下：

二，关于梯度下降的深入理解（比较两种不同的下降方式） 

常规梯度下降

以下是常规的梯度下降算法

但是我们 发现，此梯度下降也容易陷入局部优解。为此，我们联想现实中的物理模型，当小球落入低谷时，由于惯性会跳出低谷，直到低谷很深。

基于此思路，我们建立了新的梯度下降模型。

Momentum:动量，冲力。这里我们理解为加上了惯性。图中的m1会记录上一次的方向(m是之前所有梯度的权重和，如下图），m1让梯度的移动带有记忆性，也就是通过数学公式模拟物理惯性，因而下一次梯度的变化是梯度值与记忆值的矢量和。 

通过加上m1(Momentum)，我们每一次梯度的移动都是基于gradient与previous movement.
这样的好处是，在一些比较平的低谷时，即使gradient=0，我们依靠记忆值（≠0），而可以再走一段距离（如下图），极大提高跳出局部优解的概率。