优化方法可以进行自动搜索学习吗？

大家好，欢迎来到专栏《AutoML》，在这个专栏中我们会讲述AutoML技术在深度学习中的应用，这一期讲述在优化方法选择中的应用。

作者&编辑 | 言有三

要成功训练一个深度学习模型，正确的优化策略是非常重要的，如果使用不当结果会产生很大的差异，今天来介绍AutoML与优化相关的问题。

1 Neural Optimizer Search

Neural Optimizer Search[1]是一个自动搜索优化方法的框架，它使用强化学习方法设计的RNN结构控制器进行学习，该控制器在每一步中给优化器生成权重更新方程，从而实现最大化模型准确率，示意图如下：

在搜索空间中包含sgd，rmsprop，adam等优化方法，这些方法都可以被表示为一个相同结构的树，如下：

因此一个优化器的应用可以被表示为5个操作，分别是选择op1，op2，两个操作的幅度函数u1，u2，以及最后对这两个操作的综合。

因此，不管选择什么优化器，完成一次优化步骤都是要做以上的5次操作，那么如果可以学习到这5次操作，就完成了一个优化器的搜索，搜索流程如下：