A05 / advanced

深度学习优化与工程方法

深度学习优化与工程方法围绕第一编 深度优化、第二编 训练稳定性、第三编 训练工程与综合复习建立连续章节顺序。

结构
3 编 · 6
适合读者
适合完成相关本科基础课程、需要进入高级理论与计算方法的读者。
开始本册

BEFORE READING

先修与记号

本册对象

研究随机优化、归一化、正则化、调参与可靠训练工程。

先修教材

符号约定

  • 本册在首次使用时定义深度学习优化与工程方法专用符号,并区分标量、向量、算子与单位。
  • 同一符号出现多种约定时明确命名空间、假设和适用章节。

CONTENTS

完整目录

PART 01

第一编 深度优化

第一编 深度优化组织随机梯度、动量与自适应方法、学习率调度与二阶近似,形成连续的学习单元。

  1. 01

    随机梯度、动量与自适应方法

    从小批量梯度噪声进入 SGD、动量、RMSProp 与 Adam,比较更新公式、偏差修正、稳定性和泛化诊断。

    阅读本章
  2. 02

    学习率调度与二阶近似

    使用预热、衰减与周期调度控制步长,以曲率、Hessian 向量积和预条件理解二阶信息的成本与近似。

    阅读本章
PART 02

第二编 训练稳定性

第二编 训练稳定性组织归一化方法与尺度控制、正则化、数据增强与早停,形成连续的学习单元。

  1. 03

    归一化方法与尺度控制

    比较批、层与组归一化的统计轴、训练推理差异和尺度不变性,分析小批量与分布漂移下的限制。

    阅读本章
  2. 04

    正则化、数据增强与早停

    联合权重衰减、随机失活、增强与早停控制有效复杂度,确保增强保留标签语义并由独立验证选择强度。

    阅读本章
PART 03

第三编 训练工程与综合复习

第三编 训练工程与综合复习组织混合精度、分布式训练与检查点、调试、复现实验与工程方法综合复习,形成连续的学习单元。

  1. 05

    混合精度、分布式训练与检查点

    用损失缩放和主权重管理低精度训练,比较数据与模型并行通信,并设计包含优化器、随机状态和数据位置的检查点。

    阅读本章
  2. 06

    调试、复现实验与工程方法综合复习

    围绕可靠训练运行串联优化、调度、归一化、正则化、混合精度、分布式、检查点、监控与复现实验。

    阅读本章

综合练习

  • 每章安排定义辨析、推导计算和结果核验练习。
  • 本册末章安排跨 Part 综合题,并保留可复算的解题检查点。

相关教材