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 Parts · 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。
正文状态
0 章已有正文,6 章已规划
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。

COMPLETE 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

    本章研究随机梯度、动量与自适应方法。内容依次处理小批量梯度估计的方差与偏差、动量、Nesterov 加速与振荡抑制、AdaGrad、RMSProp 与 Adam 的尺度更新。

    计划章节
  2. 02

    学习率调度与二阶近似

    本章研究学习率调度与二阶近似。内容依次处理阶梯、余弦与预热学习率、Hessian 曲率、条件数与 Newton 方向、拟 Newton、阻尼和曲率近似失效。

    计划章节
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

    本章研究归一化方法与尺度控制。内容依次处理BatchNorm 的批统计量与推理模式、LayerNorm、GroupNorm 与归一化轴、尺度不变性、微批量噪声与状态漂移。

    计划章节
  2. 04

    正则化、数据增强与早停

    本章研究正则化、数据增强与早停。内容依次处理权重衰减、Dropout 与随机深度、图像、文本增强中的标签保持假设、早停监控、增强泄漏与欠拟合诊断。

    计划章节
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

    本章研究混合精度、分布式训练与检查点。内容依次处理半精度格式、损失缩放与溢出检测、数据并行、梯度同步与通信瓶颈、检查点分片、故障恢复与确定性重启。

    计划章节
  2. 06

    调试、复现实验与工程方法综合复习

    本章研究调试、复现实验与工程方法综合复习。内容依次处理训练曲线、梯度范数与参数更新比、消融实验、种子复跑与超参数追踪、吞吐、内存和数值误差的工程权衡。

    计划章节

综合练习计划

  • 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。

参考资料计划

  • TODO:为《深度学习优化与工程方法》逐项核验权威教材、课程页面或原始论文后登记资源 ID。

修订状态

课程 Schema v1。目录与章节位置已登记;参考资料需逐项核验后进入正式正文。

相关教材