ディープラーニングのパラメータ設定・更新方法に関するメモ

使う機会がありそうなのでメモ。 ただ正直目的関数を変更することはあっても、パラメータ更新手法は滅多に変更しないので資料も添付しない、存在だけ知っておく程度。

パラメータの初期化

Xavier Initialization

http://andyljones.tumblr.com/post/110998971763/an-explanation-of-xavier-initialization

He Initialization

Glorot initialisation

パラメータ更新の手法

Vanilla update

w += - learning_rate * dw というつまり一番シンプルな形式。

Momentum

Nesterov Momentum

上記三つの比較実験。自分も本当は実験して記事を書くべきなんだけども。

Nadam

Nesterov Momentum + Adam

AdaGrad

スライド資料： https://courses.cs.washington.edu/courses/cse547/15sp/slides/adagrad.pdf

AdaDelta

Adam(Adaptive Moment Estimation)

RMSprop

勾配降下法の最適化アルゴリズム from nishio

Eve

Improving Stochastic Gradient Descent with Feedback, Jayanth Koushik, Hiroaki Hayashi

ICLR2017における該当論文のレビューはここで公開されています。

その他多数

ICLRにサブミットされた確率的勾配法もしくはpolicy gradient関係の論文一覧、多い。

stochastic gradient descent – Amund Tveit's Blog

自分で定義した目的関数を使用して学習

Kerasの場合は

model.compile(loss=objective_function_defined_by_yourself, optimizer='nadam')

などと指定する。objective_function_defined_by_yourselfは

import theano.tensor as T

epsilon = 1.0e-9
def objective_function_defined_by_yourself(y_true, y_pred):
    y_pred = T.clip(y_pred, epsilon, 1.0 - epsilon)
    y_pred /= y_pred.sum(axis=-1, keepdims=True)
    cce = T.nnet.categorical_crossentropy(y_pred, y_true)
    return cce

などと指定する(参照ページ)。

その他

モデル圧縮、入力のノーマライズ、ドロップアウト、転移学習、weight decayなどの手法に触れていない。