Submit Search
Upload
LBFGSの実装
•
4 likes
•
4,765 views
K
Kotaro Tanahashi
Follow
LBFGSの実装
Read less
Read more
Science
Report
Share
Report
Share
1 of 14
Download now
Download to read offline
Recommended
生成モデルの Deep Learning
生成モデルの Deep Learning
Seiya Tokui
[DL輪読会]Temporal DifferenceVariationalAuto-Encoder
[DL輪読会]Temporal DifferenceVariationalAuto-Encoder
Deep Learning JP
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化
Yusuke Uchida
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
Deep Learning JP
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
cvpaper. challenge
[DL輪読会]Focal Loss for Dense Object Detection
[DL輪読会]Focal Loss for Dense Object Detection
Deep Learning JP
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
Recommended
生成モデルの Deep Learning
生成モデルの Deep Learning
Seiya Tokui
[DL輪読会]Temporal DifferenceVariationalAuto-Encoder
[DL輪読会]Temporal DifferenceVariationalAuto-Encoder
Deep Learning JP
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化
Yusuke Uchida
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
Deep Learning JP
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
cvpaper. challenge
[DL輪読会]Focal Loss for Dense Object Detection
[DL輪読会]Focal Loss for Dense Object Detection
Deep Learning JP
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models
Deep Learning JP
子供の言語獲得と機械の言語獲得
子供の言語獲得と機械の言語獲得
Yuya Unno
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
Deep Learning JP
2014 3 13(テンソル分解の基礎)
2014 3 13(テンソル分解の基礎)
Tatsuya Yokota
PRML学習者から入る深層生成モデル入門
PRML学習者から入る深層生成モデル入門
tmtm otm
モデル高速化百選
モデル高速化百選
Yusuke Uchida
High-impact Papers in Computer Vision: 歴史を変えた/トレンドを創る論文
High-impact Papers in Computer Vision: 歴史を変えた/トレンドを創る論文
cvpaper. challenge
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
Deep Learning JP
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
Deep Learning JP
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説
弘毅 露崎
Transformerを多層にする際の勾配消失問題と解決法について
Transformerを多層にする際の勾配消失問題と解決法について
Sho Takase
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
Shota Imai
パターン認識と機械学習入門
パターン認識と機械学習入門
Momoko Hayamizu
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
CVPR2019読み会@関東CV
CVPR2019読み会@関東CV
Takanori Ogata
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
NIPS Paper Reading, Data Programing
NIPS Paper Reading, Data Programing
Kotaro Tanahashi
WSDM2016読み会 Collaborative Denoising Auto-Encoders for Top-N Recommender Systems
WSDM2016読み会 Collaborative Denoising Auto-Encoders for Top-N Recommender Systems
Kotaro Tanahashi
More Related Content
What's hot
[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models
Deep Learning JP
子供の言語獲得と機械の言語獲得
子供の言語獲得と機械の言語獲得
Yuya Unno
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
Deep Learning JP
2014 3 13(テンソル分解の基礎)
2014 3 13(テンソル分解の基礎)
Tatsuya Yokota
PRML学習者から入る深層生成モデル入門
PRML学習者から入る深層生成モデル入門
tmtm otm
モデル高速化百選
モデル高速化百選
Yusuke Uchida
High-impact Papers in Computer Vision: 歴史を変えた/トレンドを創る論文
High-impact Papers in Computer Vision: 歴史を変えた/トレンドを創る論文
cvpaper. challenge
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
Deep Learning JP
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
Deep Learning JP
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説
弘毅 露崎
Transformerを多層にする際の勾配消失問題と解決法について
Transformerを多層にする際の勾配消失問題と解決法について
Sho Takase
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
Shota Imai
パターン認識と機械学習入門
パターン認識と機械学習入門
Momoko Hayamizu
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
CVPR2019読み会@関東CV
CVPR2019読み会@関東CV
Takanori Ogata
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
What's hot
(20)
[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models
子供の言語獲得と機械の言語獲得
子供の言語獲得と機械の言語獲得
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
2014 3 13(テンソル分解の基礎)
2014 3 13(テンソル分解の基礎)
PRML学習者から入る深層生成モデル入門
PRML学習者から入る深層生成モデル入門
モデル高速化百選
モデル高速化百選
High-impact Papers in Computer Vision: 歴史を変えた/トレンドを創る論文
High-impact Papers in Computer Vision: 歴史を変えた/トレンドを創る論文
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説
Transformerを多層にする際の勾配消失問題と解決法について
Transformerを多層にする際の勾配消失問題と解決法について
全力解説!Transformer
全力解説!Transformer
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
パターン認識と機械学習入門
パターン認識と機械学習入門
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
CVPR2019読み会@関東CV
CVPR2019読み会@関東CV
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
More from Kotaro Tanahashi
NIPS Paper Reading, Data Programing
NIPS Paper Reading, Data Programing
Kotaro Tanahashi
WSDM2016読み会 Collaborative Denoising Auto-Encoders for Top-N Recommender Systems
WSDM2016読み会 Collaborative Denoising Auto-Encoders for Top-N Recommender Systems
Kotaro Tanahashi
変数の入れ替え(SWAPPING)で最速の方法は?
変数の入れ替え(SWAPPING)で最速の方法は?
Kotaro Tanahashi
SWARでpop countをしよう
SWARでpop countをしよう
Kotaro Tanahashi
Deep Q-Network 論文輪読会
Deep Q-Network 論文輪読会
Kotaro Tanahashi
2.2. map reduce and the new software stack
2.2. map reduce and the new software stack
Kotaro Tanahashi
Cythonの一喜一憂
Cythonの一喜一憂
Kotaro Tanahashi
deep learning library coyoteの開発(CNN編)
deep learning library coyoteの開発(CNN編)
Kotaro Tanahashi
recurrent models of visual attentionメモ
recurrent models of visual attentionメモ
Kotaro Tanahashi
情強アルゴリズムDIMSUM
情強アルゴリズムDIMSUM
Kotaro Tanahashi
Fokker–Planck equation and DPD simulations
Fokker–Planck equation and DPD simulations
Kotaro Tanahashi
DSP開発におけるSpark MLlibの活用
DSP開発におけるSpark MLlibの活用
Kotaro Tanahashi
How nosql fundamentally changed machine learning?
How nosql fundamentally changed machine learning?
Kotaro Tanahashi
More from Kotaro Tanahashi
(13)
NIPS Paper Reading, Data Programing
NIPS Paper Reading, Data Programing
WSDM2016読み会 Collaborative Denoising Auto-Encoders for Top-N Recommender Systems
WSDM2016読み会 Collaborative Denoising Auto-Encoders for Top-N Recommender Systems
変数の入れ替え(SWAPPING)で最速の方法は?
変数の入れ替え(SWAPPING)で最速の方法は?
SWARでpop countをしよう
SWARでpop countをしよう
Deep Q-Network 論文輪読会
Deep Q-Network 論文輪読会
2.2. map reduce and the new software stack
2.2. map reduce and the new software stack
Cythonの一喜一憂
Cythonの一喜一憂
deep learning library coyoteの開発(CNN編)
deep learning library coyoteの開発(CNN編)
recurrent models of visual attentionメモ
recurrent models of visual attentionメモ
情強アルゴリズムDIMSUM
情強アルゴリズムDIMSUM
Fokker–Planck equation and DPD simulations
Fokker–Planck equation and DPD simulations
DSP開発におけるSpark MLlibの活用
DSP開発におけるSpark MLlibの活用
How nosql fundamentally changed machine learning?
How nosql fundamentally changed machine learning?
LBFGSの実装
1.
情強アルゴリズムL-BFGSの実装 棚橋 耕太郎 2015.11.6
2.
l−bfgsってなに? • l-bfgsはscikit-learnやspark MLlibなどで使われている計算 機に優しい(メモリ使用量が少ない)最適化アルゴリズム •
準ニュートン法の一種 • 今日はスライドが多いので、15秒/1ページでいきます (局所的)最適解
3.
ニュートン法ってなに? ルール • まっすぐしか歩けない • できるだけお金が多い場 所に行ける方向を探した い 近くしか見れない人 (最急降下法) ちょっと遠くも見れる人 (ニュートン法)
4.
つまりこういうことです (局所的)最適解 ちょっと遠くも見れる人 (ニュートン法) 近くしか見れない人 (最急降下法)
5.
そう、こういうことです ヘッセ行列
6.
まとめると、こうなります
7.
本題はここから 自明 自明 Bnを求める手がかりができた!!
8.
もう一つの手がかり
9.
Bnの更新式
10.
疑似コードで書くと
11.
pythonで書くと
12.
全体も実装してみる メイン部分 line-search部分
13.
計算問題を解く
14.
結果
Download now