1、深度學習中的優化
1.1、優化
優化方法目標:訓練集損失函數值
深度學習目標:測試集損失函數值(泛化性)
1.2、優化在深度學習中的挑戰
- 局部最小值
- 鞍點
- 梯度消失
1.2.1、鞍點
x = np.arange(-2.0, 2.0, 0.1)
fig, = d2l.plt.plot(x, x**3)
fig.axes.annotate('saddle point', xy=(0, -0.2), xytext=(-0.52, -5.0),
arrowprops=dict(arrowstyle='->'))
d2l.plt.xlabel('x')
d2l.plt.ylabel('f(x)');
2、凸性