一篇新的研究论文提出，在随机梯度下降（SGD）训练过程中，mini-batch 噪声通过引起主子空间内的波动来影响损失景观的尖锐度。作者认为，这个主子空间通常由 Hessian 的顶级特征向量定义，对于理解尖锐度动态比直接降低损失更重要。他们的工作推导出了与这些主方向上的 mini-batch 噪声相关的尖锐度校正项，实验表明，将此项纳入梯度下降的尖锐度演变使其更接近 SGD 的演变。 AI
影响 为理解 mini-batch 噪声如何影响模型训练提供了理论框架，可能带来更稳定、更高效的优化技术。
排序理由 论文发表在 arXiv 上，详细介绍了 SGD 训练动态的新理论见解。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hessian
- Hugging Face
- IArxiv Recommender
- Influence Flower
- ScienceCast
- SGD
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
