目录
- 第二门课: 改善深层神经网络：超参数调试、正 则 化 以 及 优 化 (Improving Deep Neural Networks:Hyperparameter tuning, Regularization and Optimization)
- 第二周：优化算法 (Optimization algorithms)
- 2.7 RMSprop
第二门课: 改善深层神经网络：超参数调试、正 则 化 以 及 优 化 (Improving Deep Neural Networks:Hyperparameter tuning, Regularization and Optimization)
第二周：优化算法 (Optimization algorithms)
2.7 RMSprop
你们知道了动量（Momentum）可以加快梯度下降，还有一个叫做 RMSprop 的算法，全称是 root mean square prop 算法，它也可以加速梯度下降，我们来看看它是如何运作的。
回忆一下我们之前的例子，如果你执行梯度下降，虽然横轴方向正在推进，但纵轴方向会有大幅度摆动，为了分析这个例子，假设纵轴代表参数𝑏，横轴代表参数𝑊，可能有𝑊1，𝑊2或者其它重要的参数，为了便于理解，被称为𝑏和𝑊。
所以，你想减缓𝑏方向的学习，即纵轴方向，同时加快，至少不是减缓横轴方向的学习，RMSprop 算法可以实现这一点。
在第𝑡次迭代中，该算法会照常计算当下 mini-batch 的微分dW，db，所以我会保留这个指数加权平均数，我们用到新符号 S d W S_{dW} SdW，而不是 v d W v_{dW} vdW，因此 S d W = β S d W + ( 1 − β ) d W 2 S_{dW} = βS_{dW} + (1 − β)dW^2 SdW=βSdW+(1−β)dW2，澄清一下，这个平方的操作是针对这一整个符号的，这样做能够保留微分平方的加权平均数，同样 S d b = β S d b + ( 1 − β ) d b 2 S_{db} = βS_{db} + (1 − β)db^2 Sdb=βSdb+(1−β)db2，再说一次，平方是针对整个符号的操作。
接着 RMSprop 会这样更新参数值:
W : = W − α d W S d W ， b : = b − α d b S d b W: = W − \alpha \frac {dW}{\sqrt {S_{dW}}}，b: = b − \alpha \frac{db}{\sqrt {S_{db}}} W:=W−αSdWdW，b:=b−αSdbdb
我们来理解一下其原理。记得在横轴方向或者在例子中的𝑊方向，我们希望学习速度快，而在垂直方向，也就是例子中的𝑏方向，我们希望减缓纵轴上的摆动，所以有了 S d W S_{dW} SdW和 S d b S_{db} Sdb，我们希望 S d W S_{dW} SdW会相对较小，所以我们要除以一个较小的数，而希望 S d b S_{db} Sdb又较大，所以这里我们要除以较大的数字，这样就可以减缓纵轴上的变化。你看这些微分，垂直方向的要比水平方向的大得多，所以斜率在𝑏方向特别大，所以这些微分中，𝑑𝑏较大，𝑑𝑊较小，因为函数的倾斜程度，在纵轴上，也就是 b 方向上要大于在横轴上，也就是𝑊方向上。𝑑𝑏的平方较大，所以 S d b S_{db} Sdb也会较大，而相比之下，𝑑𝑊会小一些，亦或𝑑𝑊平方会小一些，因此 S d W S_{dW} SdW会小一些，结果就是纵轴上的更新要被一个较大的数相除，就能消除摆动，而水平方向的更新则被较小的数相除。
RMSprop 的影响就是你的更新最后会变成这样（绿色线），纵轴方向上摆动较小，而横轴方向继续推进。还有个影响就是，你可以用一个更大学习率𝑎，然后加快学习，而无须在纵轴上垂直方向偏离。
要说明一点，我一直把纵轴和横轴方向分别称为𝑏和𝑊，只是为了方便展示而已。实际中，你会处于参数的高维度空间，所以需要消除摆动的垂直维度，你需要消除摆动，实际上是参数 W 1 W_1 W1， W 2 W_2 W2等的合集，水平维度可能 W 3 W_3 W3， W 4 W_4 W4等等，因此把𝑊和𝑏分开只是方便说明。实际中𝑑𝑊是一个高维度的参数向量，𝑑𝑏也是一个高维度参数向量，但是你的直觉是，在你要消除摆动的维度中，最终你要计算一个更大的和值，这个平方和微分的加权平均值，所以你最后去掉了那些有摆动的方向。所以这就是 RMSprop，全称是均方根，因为你将微分进行平方，然后最后使用平方根。
最后再就这个算法说一些细节的东西，然后我们再继续。下一个视频中，我们会将RMSprop 和 Momentum 结合起来，我们在 Momentum 中采用超参数𝛽，为了避免混淆，我们现在不用𝛽，而采用超参数𝛽2以保证在 Momentum 和 RMSprop 中采用同一超参数。要确保你的算法不会除以 0，如果𝑆𝑑𝑊的平方根趋近于 0 怎么办？得到的答案就非常大，为了确保数值稳定，在实际操练的时候，你要在分母上加上一个很小很小的𝜀，𝜀是多少没关系， 1 0 − 8 10^{−8} 10−8是个不错的选择，这只是保证数值能稳定一些，无论什么原因，你都不会除以一个很小很小的数。所以 RMSprop 跟 Momentum 有很相似的一点，可以消除梯度下降中的摆动，包括mini-batch 梯度下降，并允许你使用一个更大的学习率 α \alpha α，从而加快你的算法学习速度。
所以你学会了如何运用 RMSprop，这是给学习算法加速的另一方法。关于 RMSprop 的一个有趣的事是，它首次提出并不是在学术研究论文中，而是在多年前Jeff Hinton在Coursera的课程上。我想 Coursera 并不是故意打算成为一个传播新兴的学术研究的平台，但是却达到了意想不到的效果。就是从 Coursera 课程开始，RMSprop 开始被人们广为熟知，并且发展迅猛。
我们讲过了 Momentum，我们讲了 RMSprop，如果二者结合起来，你会得到一个更好的优化算法，在下个视频中我们再好好讲一讲为什么。
