学习率是什么，怎么调整_学习率过大

学习率的定义：

Wikipedia给出Learning Rate的定义如下

In machine learning and statistics, the learning rate is a tuning parameter in an optimization algorithm that determines the step size at each iteration while moving toward a minimum of a loss function.
在机器学习和统计学中，学习率是优化算法中的调谐参数，该参数可确定确定每次迭代中的步长，使损失函数收敛到最小值

学习率的作用

这是来自吴恩达机器学习课程的截图

我们先看一下上面出现的唯一一条公式，公式中的θ就是代表着权重参数，新的θ会由之前的θ计算得来，这个计算过程就是为了寻找目标函数收敛到最小值。那么公式中出现的α就是当下的学习率。

上面两张明显的对比图就给出了学习率过大和过小的情况。

学习率设置过小的时候，每步太小，下降速度太慢，可能要花很长的时间才会找到最小值。

学习率过大过大的时候，每步太大，虽然收敛得速度很快，可能会像图中一样，跨过或忽略了最小值，导致一直来回震荡而无法收敛。

这时我们再通过Loss曲线看一下不同学习率对收敛得的影响

很明显，过小的学习率导致收敛缓慢，过大的学习率一开始收敛速度很快，但会导致无法收敛到最小值，超高的学习率甚至可能直接大幅跨过了最小值而没有收敛效果。

所以选取一个合适的学习率，对于找到全局最小值以及提高模型训练速度都是很有帮助的。

 学习率到底是什么_JeromeYChen的博客-CSDN博客_学习率是什么