学习率衰减(Learning rate decay)
加快学习算法的一个办法就是随时间慢慢减少学习率，我们将之称为学习率衰减，
我们来看看如何做到，首先通过一个例子看看，为什么要计算学习率衰减。
假设你要使用mini-batch梯度下降法，mini-batch数量不大，大概64或者128个样本，在迭代过程中会有噪音（蓝色线），下降朝向这里的最小值，但是不会精确地收敛，所以你的算法最后在附近摆动，并不会真正收敛，因为你用的a是固定值，不同的mini-batch中有噪音。
但要慢慢减少学习率a的话，在初期的时候，a学习率还较大，你的学习还是相对较快，但随着a变小，你的步伐也会变慢变小，所以最后你的曲线（绿色线）会在最小值附近的一小块区域里摆动，而不是在训练过程中，大幅度在最小值附近摆动。
所以慢慢减少a的本质在于，在学习初期，你能承受较大的步伐，但当开始收敛的时候，小一些的学习率能让你步伐小一些。
你可以这样做到学习率衰减，记得一代要遍历一次数据，如果你有以下这样的训练集:
你应该拆分成不同的mini-batch，第一次遍历训练集叫做第一代。第二次就是第二代，依此类推，你可以将a学习率设为a=1/(1+decayrate*epoch-num) a_0（decay-rate称为衰减率，epoch-num为代数，α_0为初始学习率），注意这个衰减率是另一个你需要调整的超参数。
这里有一个具体例子，如果你计算了几代，也就是遍历了几次，如果a_0为0.2，衰减率decay-rate为1，那么在第一代中，a=1/(1+1) a_0=0.1，这是在代入这个公式计算
a=1/(1+decayrate*epoch-num) a_0，
此时衰减率是1而代数是1。在第二代学习率为0.67，第三代变成0.5，第四代为0.4等等，你可以自己多计算几个数据。要理解，作为代数函数，根据上述公式，你的学习率呈递减趋势。
如果你想用学习率衰减，要做的是要去尝试不同的值，包括超参数a_0，以及超参数衰退率，找到合适的值，除了这个学习率衰减的公式，人们还会用其它的公式。
比如，这个叫做指数衰减，其中a相当于一个小于1的值，如a=0.95^(epoch-num) a_0，所以你的学习率呈指数下降。
人们用到的其它公式有a=k/√(epoch-num) a_0或者a=k/√t a_0（t为mini-batch的数字）。
有时人们也会用一个离散下降的学习率，也就是某个步骤有某个学习率，一会之后，学习率减少了一半，一会儿减少一半，一会儿又一半，这就是离散下降（discrete stair cease）的意思。
到现在，我们讲了一些公式，看学习率a究竟如何随时间变化。
人们有时候还会做一件事，手动衰减。如果你一次只训练一个模型，如果你要花上数小时或数天来训练，有些人的确会这么做，看看自己的模型训练，耗上数日，然后他们觉得，学习速率变慢了，我把a调小一点。手动控制a当然有用，时复一时，日复一日地手动调整a，只有模型数量小的时候有用，但有时候人们也会这么做。
所以现在你有了多个选择来控制学习率a。你可能会想，好多超参数，究竟我应该做哪一个选择，我觉得，现在担心为时过早。
后面我们会讲到，如何系统选择超参数。
对我而言，学习率衰减并不是我尝试的要点，设定一个固定的a，然后好好调整，会有很大的影响，学习率衰减的确大有裨益，有时候可以加快训练，但它并不是我会率先尝试的内容，但下周我们将涉及超参数调整，你能学到更多系统的办法来管理所有的超参数，以及如何高效搜索超参数。
这就是学习率衰减，最后我还要讲讲神经网络中的局部最优以及鞍点，所以能更好理解在训练神经网络过程中，你的算法正在解决的优化问题，下个笔记我们就好好聊聊这些问题。
