全量梯度下降

Batch Gradient Descent

在梯度下降中，對(duì)于θ的更新，所有的樣本都有貢獻(xiàn)，也就是參與調(diào)整θ。其計(jì)算得到 的是一個(gè)標(biāo)準(zhǔn)梯度。因而理論上來(lái)說(shuō)一次更新的幅度是比較大的。如果樣本不多的情況下， 當(dāng)然是這樣收斂的速度會(huì)更快啦。全量梯度下降每次學(xué)習(xí)都使用整個(gè)訓(xùn)練集，因此其優(yōu)點(diǎn)在 于每次更新都會(huì)朝著正確的方向進(jìn)行，最后能夠保證收斂于極值點(diǎn)(凸函數(shù)收斂于全局極值 點(diǎn)，非凸函數(shù)可能會(huì)收斂于局部極值點(diǎn))，但是其缺點(diǎn)在于每次學(xué)習(xí)時(shí)間過(guò)長(zhǎng)，并且如果訓(xùn) 練集很大以至于需要消耗大量的內(nèi)存，并且全量梯度下降不能進(jìn)行在線模型參數(shù)更新。

代碼實(shí)現(xiàn)：

import numpy as np
 
# 創(chuàng)建數(shù)據(jù)集X，y
np.random.seed(1)
X = np.random.rand(100, 1)
y = 4 + 3*X + np.random.randn(100, 1)
X_b = np.c_[np.ones((100, 1)), X]
 
# 創(chuàng)建超參數(shù)
n_iterations = 10000
t0, t1 = 5, 500
 
# 定義一個(gè)函數(shù)來(lái)動(dòng)態(tài)調(diào)整學(xué)習(xí)率
def learning_rate_schedule(t):
    return t0/(t+t1)
 
# 1,初始化θ, W0...Wn，標(biāo)準(zhǔn)正太分布創(chuàng)建W
theta = np.random.randn(2, 1)
# 4,判斷是否收斂，一般不會(huì)去設(shè)定閾值，而是直接采用設(shè)置相對(duì)大的迭代次數(shù)保證可以收斂
for i in range(n_iterations):
    # 2,求梯度，計(jì)算gradient
    gradients = X_b.T.dot(X_b.dot(theta)-y)
    # 3,應(yīng)用梯度下降法的公式去調(diào)整θ值 θt+1=θt-η*gradient
    learning_rate = learning_rate_schedule(i)
    theta = theta - learning_rate * gradients
print(theta)

[[4.23695725]
 [2.68492509]]

隨機(jī)梯度下降

Stochastic Gradient Descent

梯度下降算法每次從訓(xùn)練集中隨機(jī)選擇一個(gè)樣本來(lái)進(jìn)行學(xué)習(xí)。批量梯度下降算法每次都 會(huì)使用全部訓(xùn)練樣本，因此這些計(jì)算是冗余的，因?yàn)槊看味际褂猛耆嗤臉颖炯?。而隨機(jī) 梯度下降算法每次只隨機(jī)選擇一個(gè)樣本來(lái)更新模型參數(shù)，因此每次的學(xué)習(xí)是非?？焖俚?，并 且可以進(jìn)行在線更新。隨機(jī)梯度下降最大的缺點(diǎn)在于每次更新可能并不會(huì)按照正確的方向進(jìn) 行，因此可以帶來(lái)優(yōu)化波動(dòng)(擾動(dòng))。

不過(guò)從另一個(gè)方面來(lái)看，隨機(jī)梯度下降所帶來(lái)的波動(dòng)有個(gè)好處就是，對(duì)于類似盆地區(qū)域 （即很多局部極小值點(diǎn)）那么這個(gè)波動(dòng)的特點(diǎn)可能會(huì)使得優(yōu)化的方向從當(dāng)前的局部極小值點(diǎn) 跳到另一個(gè)更好的局部極小值點(diǎn)，這樣便可能對(duì)于非凸函數(shù)，最終收斂于一個(gè)較好的局部極 值點(diǎn)，甚至全局極值點(diǎn)。由于波動(dòng)，因此會(huì)使得迭代次數(shù)（學(xué)習(xí)次數(shù)）增多，即收斂速度變 慢。不過(guò)最終其會(huì)和全量梯度下降算法一樣，具有相同的收斂性，即凸函數(shù)收斂于全局極值 點(diǎn)，非凸損失函數(shù)收斂于局部極值點(diǎn)。       

代碼實(shí)現(xiàn)：

import numpy as np
 
# 創(chuàng)建數(shù)據(jù)集
X = 2*np.random.rand(100, 1)
y = 4 + 3*X + np.random.randn(100, 1)
X_b = np.c_[np.ones((100, 1)), X]
# 創(chuàng)建超參數(shù)
n_epochs = 10000
m = 100
t0, t1 = 5, 500
 
# 定義一個(gè)函數(shù)來(lái)調(diào)整學(xué)習(xí)率
def learning_rate_schedule(t):
    return t0/(t+t1)
 
theta = np.random.randn(2, 1)
for epoch in range(n_epochs):
    # 在雙層for循環(huán)之間，每個(gè)輪次開(kāi)始分批次迭代之前打亂數(shù)據(jù)索引順序
    arr = np.arange(len(X_b))
    np.random.shuffle(arr)
    X_b = X_b[arr]
    y = y[arr]
    for i in range(m):
        xi = X_b[i:i+1]
        yi = y[i:i+1]
        gradients = xi.T.dot(xi.dot(theta)-yi)
        learning_rate = learning_rate_schedule(epoch*m + i)
        theta = theta - learning_rate * gradients
 
print(theta)

[[3.91306085]
 [3.16087742]]

小批量梯度下降

Mini-Batch Gradient Descent

Mini-batch 梯度下降綜合了 batch 梯度下降與 stochastic 梯度下降，在每次更新速 度與更新次數(shù)中間取得一個(gè)平衡，其每次更新從訓(xùn)練集中隨機(jī)選擇 batch_size，batch_size < m 個(gè)樣本進(jìn)行學(xué)習(xí)。相對(duì)于隨機(jī)梯度下降算法，小批量梯度下降算法降低了收斂波動(dòng)性， 即降低了參數(shù)更新的方差，使得更新更加穩(wěn)定。相對(duì)于全量梯度下降，其提高了每次學(xué)習(xí)的速度。并且其不用擔(dān)心內(nèi)存瓶頸從而可以利用矩陣運(yùn)算進(jìn)行高效計(jì)算。一般而言每次更新隨 機(jī)選擇[50,256]個(gè)樣本進(jìn)行學(xué)習(xí)，但是也要根據(jù)具體問(wèn)題而選擇，實(shí)踐中可以進(jìn)行多次試驗(yàn)， 選擇一個(gè)更新速度與更次次數(shù)都較適合的樣本數(shù)。

代碼實(shí)現(xiàn)：

import numpy as np
 
# 創(chuàng)建數(shù)據(jù)集X，y
X = 2*np.random.rand(100, 1)
y = 4 + 3*X + np.random.randn(100, 1)
X_b = np.c_[np.ones((100, 1)), X]
 
# 創(chuàng)建超參數(shù)
t0, t1 = 5, 500
 
# 定義一個(gè)函數(shù)來(lái)動(dòng)態(tài)調(diào)整學(xué)習(xí)率
def learning_rate_schedule(t):
    return t0/(t+t1)
 
n_epochs = 100000
m = 100
batch_size = 10
num_batches = int(m / batch_size)
 
theta = np.random.randn(2, 1)
for epoch in range(n_epochs):
    arr = np.arange(len(X_b))
    np.random.shuffle(arr)
    X_b = X_b[arr]
    y = y[arr]
    for i in range(num_batches):
        x_batch = X_b[i*batch_size: i*batch_size + batch_size]
        y_batch = y[i*batch_size: i*batch_size + batch_size]
        gradients = x_batch.T.dot(x_batch.dot(theta)-y_batch)
        learning_rate = learning_rate_schedule(epoch * m + i)
        theta = theta - learning_rate*gradients
 
print(theta)

[[3.91630905]
 [2.95252566]]

三種梯度下降區(qū)別和優(yōu)缺點(diǎn)

在講三種梯度下降區(qū)別之前，我們先來(lái)總結(jié)一下梯度下降法的步驟：

1. 瞎蒙，Random 隨機(jī)θ，隨機(jī)一組數(shù)值 W0…Wn

2. 求梯度，為什么是梯度？因?yàn)樘荻却砬€某點(diǎn)上的切線的斜率，沿著切線往下下降就 相當(dāng)于沿著坡度最陡峭的方向下降

3. if g0, theta 往小調(diào)

4. 判斷是否收斂 convergence，如果收斂跳出迭代，如果沒(méi)有達(dá)到收斂，回第 2 步繼續(xù) 四步驟對(duì)應(yīng)計(jì)算方式：

a. np.random.rand()或者 np.random.randn()

b. i w j gradient = (h (x) - y)× x

c. Wi t+1 =Wi t -h ×gradient i

d. 判斷收斂這里使用 g=0 其實(shí)并不合理，因?yàn)楫?dāng)損失函數(shù)是非凸函數(shù)的話 g=0 有可能是 極大值對(duì)嗎！所以其實(shí)我們判斷 loss 的下降收益更合理，當(dāng)隨著迭代 loss 減小的幅度 即收益不再變化就可以認(rèn)為停止在最低點(diǎn)，收斂！

區(qū)別：其實(shí)三種梯度下降的區(qū)別僅在于第 2 步求梯度所用到的 X 數(shù)據(jù)集的樣本數(shù)量不同！ 它們每次學(xué)習(xí)(更新模型參數(shù))使用的樣本個(gè)數(shù)，每次更新使用不同的樣本會(huì)導(dǎo)致每次學(xué)習(xí)的 準(zhǔn)確性和學(xué)習(xí)時(shí)間不同

以上就是利用python實(shí)現(xiàn)3種梯度下降算法的詳細(xì)內(nèi)容，更多關(guān)于python梯度下降算法的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論