1. 优化和深度学习的关系

• 优化是最小化损失函数，而深度学习的目标是在给定有限数据量的情况下寻找合适的模型，分别对应着训练误差和泛化误差；
• 需要注意过拟合；

2. 优化面临的挑战（求解数值解）

• 局部最小值：当优化问题的数值解接近局部最优值的时候，目标函数解的梯度接近或者变为0，通过迭代获得的数值解可能仅使目标函数局部最优，而不是全局最优，一定程度的噪声会使参数跳出局部最小值，这是小批量随机梯度下降的有利特性之一，此时小批量上梯度的自然变化能够将参数从局部最小资中跳出；
• 鞍点：定义为梯度为0但是既不是全局最小值也不是局部最小值的点，尽管不是最小值，但是优化可能会停止，假设输入是k维向量，假设在0梯度处的Hessian矩阵的k个特征值均为正，此时局部最小值，均为负，为局部最大值，有正有负为鞍点；
• 梯度消失

3. 凸性

• 凸集：对于任意的$a,b\in X$，连接$a,b$的线段也位于$X$，则集合$X$是凸集，数学化表示，对于任意$\lambda \in [0,1]$，有$\lambda a+(1-\lambda )b\in X$，例如实数集，两个凸集的交集也是凸集；
• 凸函数：对于所有$x,x^{\prime }\in X,\lambda \in [0,1]$，有$\lambda f(x)+(1-\lambda )f(x^{\prime })\ge f(\lambda x+(1-\lambda )x^{\prime })$;
• 詹森不等式：凸性定义的推广${\sum }_i{\alpha }_{i}f(x_i)\ge f({\sum }_i{\alpha }_i{x}_i),{\sum }_i{\alpha }_i=1$;
• 凸函数的性质：凸函数的局部极小值是全局极小值

i. 特征值和特征向量，$Av=\lambda v$，其中$v$是特征向量，$\lambda$是特征值；例如对于$A=\left[\begin{array}{cc}2& 1\\ 2& 3\end{array}\right]$，他的特征值是$4,1$对应的两个特征向量是$\left[\begin{array}{c}1\\ 2\end{array}\right]$和$\left[\begin{array}{c}1\\ -1\end{array}\right]$
ii. 求解特征值和特征向量：$(A-\lambda I)v=0$，所以$(A-\lambda I)$不可逆，也就是$det(A-\lambda I)=0$，即可解得特征值
iii. 延续上面的例子，特征向量组成的矩阵$W=\left[\begin{array}{cc}1& 1\\ -1& 2\end{array}\right]$，特征值组成的矩阵$\sum =\left[\begin{array}{cc}1& 0\\ 0& 4\end{array}\right]$，可得$AW=W\sum$，而且$W$是可逆的，所以等式两边同乘$W^{-1}$得到$A=W\sum W^{-1}$
iv. 一些良好的性质：$A^n=W{\sum }^n{W}^{-1}$，也就是对应一个矩阵的乘方进行特征值分解，只需要将特征值进行同样的n次方即可，此时n需要时正数；对于矩阵的求逆，$A^{-1}=W{\sum }^{-1}{W}^{-1}$，可以看到对矩阵的逆进行特征值分解，直接对特征值求逆即可；矩阵的行列式等于矩阵的特征值的乘积$det(A)={\lambda }_1\cdots {\lambda }_n$；矩阵的秩等于非0特征值的个数；
v. https://d2l.ai/chapter_appendix-mathematics-for-deep-learning/eigendecomposition.html