BP神经网络优化实战：自适应学习率与动量因子的协同调参策略

1次阅读

没有评论

共计 1955 个字符，预计需要花费 5 分钟才能阅读完成。

在传统 BP 神经网络训练中，固定学习率就像开着一辆没有油门调节的汽车：

梯度震荡：陡峭维度步长过大（犹如急转弯打滑），平缓维度步长不足（像爬坡动力不足），导致损失函数曲面上的锯齿状行进轨迹
鞍点滞留：当梯度在鞍点附近正负交替时，固定步长会导致参数在最优解附近反复横跳。实验显示，在 CIFAR-10 数据集上，固定学习率模型有 42% 的概率卡在鞍点超过 10 个 epoch
后期过冲：训练末期当接近最优解时，过大的固定步长会导致精度不升反降。MNIST 实验表明，学习率 0.1 时测试准确率会在 98% 附近出现±0.5% 的波动

$$\eta_t=\frac{\eta}{\sqrt{G_t+\epsilon}} \quad \text{其中} \quad G_t=\sum_{i=1}^t g_i^2$$

物理意义：为每个参数单独记录历史梯度平方和，梯度大的方向获得较小的实际步长
缺陷：随着训练进行分母会持续增大，导致后期更新量趋近于零

$$E[g^2]t = \gamma E[g^2] + (1-\gamma)g_t^2$$

改进点：引入衰减系数 γ（通常取 0.9），让历史梯度平方和呈指数衰减
优势：避免了 AdaGrad 的更新量单调递减问题

class HybridOptimizer(torch.optim.Optimizer):
    def __init__(self, params, lr=1e-3, momentum=0.9, gamma=0.9):
        defaults = dict(lr=lr, momentum=momentum, gamma=gamma)
        super().__init__(params, defaults)
        # 初始化动量缓冲器（时间复杂度 O(n)）for group in self.param_groups:
            for p in group['params']:
                self.state[p]['momentum_buffer'] = torch.zeros_like(p.data)
                self.state[p]['square_avg'] = torch.zeros_like(p.data)

    @torch.no_grad()
    def step(self):
        for group in self.param_groups:
            for p in group['params']:
                if p.grad is None:
                    continue
                # 梯度裁剪（防御性编程）grad = torch.clamp(p.grad, -10, 10)

                state = self.state[p]
                # RMSProp 部分更新
                state['square_avg'].mul_(group['gamma']).addcmul_(grad, grad, value=1-group['gamma'])
                # Nesterov 动量计算
                buf = state['momentum_buffer']
                buf.mul_(group['momentum']).add_(grad / (torch.sqrt(state['square_avg']) + 1e-8))
                # 参数更新（时间复杂度 O(n)）p.add_(buf, alpha=-group['lr'])

关键实现细节：