Day11 when gradient is small……
怎么知道是局部小 还是鞍点？
using Math
这里巧妙的说明了hessan矩阵可以决定一个二次函数的凹凸性 也就是 θ \theta θ 是min 还是max，最后那个有些有些 哈 是一个saddle；
然后这里只要看hessan矩阵是不是正定的就好（详见 线性代数）
example – using Hessan
奇怪这里为什么不是主对角线呀，难道两个都一样嘛 晕死，得复习线代了
Dont afraid of saddle point(鞍点)
征向量 u 和对应的特征值 λ定义为满足下列关系的向量和标量：Hu=λu
在梯度下降算法中，我们希望选择使得 L*(*θ) 减小的 θ 方向。如果 λ<0，则向 u 的方向移动参数 θ 会减小损失函数 L(θ)。
换句话说，如果我们发现了一个负特征值λ 和相应的特征向量u，我们可以通过沿着 u 的方向更新 θ 来降低损失函数的值。这就是图中所说的“Decrease L”的含义。
local minima VS saddle Point
引入高维空间的观点，解决local minima的问题：我们很少遇到local minima；
Day12 Tips for training :Batch and Momentum
why we use batch?
前面有讲到这里, 前倾回归
这里大家记得问自己一个问题：一个epoch 更新多少个参数？nums（batch）* parameters
例如，如果你有100个batch，那么在完成一个epoch后，每个参数会被更新100次。
shuffle ：有可能batch结束后，就会重新分一次batch
small vs big
这里举了两个极端的例子，也是我们常见的学习方法：取极限看效果
未考虑平行运算（并行 --gpu）
over fitting： 比较train 和test
| Aspect | Small Batch Size（100个样本） | Large Batch Size（10000个样本） |
|---|---|---|
| Speed for one update (no parallel) | Faster | Slower |
| Speed for one update (with parallel) | Same | Same (not too large) |
| Time for one epoch | Slower | Faster |
| Gradient | Noisy | Stable |
| Optimization | Better | Worse |
| Generalization | Better | Worse |
batch is a hyperparameter……
Momentum
惯性
知道学到这里想到什么嘛……粒子群算法的公式不知道你们有没有了解，看下面那个w*vi 有没有感觉这种思想还挺常见的，用来做局部最小值的优化的
concluding：
