PyTorch 深度学习实践 第3讲

梯度下降算法

---

核心公式

$$\omega =\omega -\alpha \frac{\partial cost}{\partial \omega }$$

对公式的理解

• $\alpha$为学习率
• $\frac{\partial cost}{\partial \omega }$为该点的斜率，公式中取负，意思是每次都朝着斜率减小的方向移动

公式推导

推导过程

$$\begin{array}{rl}\frac{\partial cost(\omega )}{\partial \omega }& \begin{array}{r}=\frac{\partial }{\partial \omega }\frac{1}{N}\sum _{n=1}^N(x_n\cdot \omega -y_n{)}^2\end{array}\\ & =\frac{1}{N}\sum _{n=1}^N\frac{\partial }{\partial \omega }(x_n\cdot \omega -y_n{)}^2\\ & =\frac{1}{N}\sum _{n=1}^{N}2\cdot (x_n\cdot \omega -y_n)\frac{\partial (x_n\cdot \omega -y_n)}{\partial \omega }\\ & =\frac{1}{N}\sum _{n=1}^{N}2\cdot x_n\cdot (x_n\cdot \omega -y_n)\end{array}$$

推导结果

$$\omega =\omega -\alpha \frac{1}{N}\sum _{n=1}^{N}2\cdot x_n\cdot (x_n\cdot \omega -y_n)$$

梯度下降算法的几个问题

1. 找到的可能是局部最优点，但局部最优点在实际的网络中较少见
2. 但存在鞍点时，无法进行迭代，因为鞍点的斜率为0，即$\frac{\partial cost}{\partial \omega }=0$

梯度下降算法代码

import matplotlib.pyplot as plt

x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
w = 1.0
Epoch = []
Cost = []


def forward(x):
    return x * w


#即求MSE
def cost(xs, ys):
    cost = 0
    for x, y in zip(xs, ys):
        y_pred = forward(x)
        cost += (y_pred - y) ** 2
    return cost / len(xs)


#求梯度
def gradient(xs, ys):
    grad = 0
    for x, y in zip(xs, ys):
        grad += 2 * x * (x * w - y)
    return grad / len(xs)


print('Predict (before training)', 4, forward(4))  #要预测x=4时的y，此时的w初始值为1.0
for epoch in range(100):
    cost_val = cost(x_data, y_data)
    grad_val = gradient(x_data, y_data)
    w -= 0.01 * grad_val  #0.01是学习率α
    Epoch.append(epoch)
    Cost.append(cost_val)
    print('Epoch:', epoch, 'w=', w, ' loss=', cost_val)
print('Predict (after training)', 4, forward(4))  #用收敛后的w带入，预测出x=4时，y的值

#绘图
plt.xticks(range(0, 101, 10))
plt.yticks(range(0, 6))
plt.xlabel('Epoch')
plt.ylabel('Cost')
plt.grid()
plt.plot(Epoch, Cost)
plt.show()

随机梯度下降算法

• 原来的梯度下降算法用的是样本总体的cost，是一个总体的平均数，而随机梯度下降算法则用的是随机某个的loss
• 这种方法能通过引入随机噪声，有效解决带有鞍点的函数

公式

$$\omega =\omega -\alpha \frac{\partial loss}{\partial \omega }$$
$$\frac{\partial los{s}_n}{\partial \omega }=2\cdot x_n\cdot (x_n\cdot \omega -y_n)$$

随机梯度下降算法代码（按顺序进行，并未"随机"）

import matplotlib.pyplot as plt

x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
w = 1.0
Epoch = []
Loss = []


def forward(x):
    return x * w


def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) ** 2


def gradient(x, y):
    return 2 * x * (x * w - y)


print('Predict (before training)', 4, forward(4))
for epoch in range(100):
    for x, y in zip(x_data, y_data):
        grad = gradient(x, y)
        w -= 0.01 * grad
        print('\tgrad: ', x, y, grad)
        l = loss(x, y)
    Epoch.append(epoch)
    Loss.append(l)
    print('Epoch:', epoch, 'w=', w, ' loss=', l)
print('Predict (after training)', 4, forward(4))

plt.xticks(range(0, 101, 10))
plt.yticks(range(0, 6))
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.grid()
plt.plot(Epoch, Loss)
plt.show()

随机梯度下降算法代码（随机进行）

import matplotlib.pyplot as plt
import random

x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
w = 1.0
Epoch = []
Loss = []


def forward(x):
    return x * w


def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) ** 2


def gradient(x, y):
    return 2 * x * (x * w - y)


print('Predict (before training)', 4, forward(4))
for epoch in range(100):
    rc=random.randrange(0,3)
    x=x_data[rc]
    y=y_data[rc]
    grad = gradient(x, y)
    w -= 0.01 * grad
    print('\tgrad: ', x, y, grad)
    l = loss(x, y)
    Epoch.append(epoch)
    Loss.append(l)
    print('Epoch:', epoch, 'w=', w, ' loss=', l)
print('Predict (after training)', 4, forward(4))

plt.xticks(range(0, 101, 10))
plt.yticks(range(0, 6))
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.title('Stochastic Gradient Descent\ny = x * w, w = 1.0, a = 0.01')
plt.grid()
plt.plot(Epoch, Loss)
plt.show()

对比梯度下降算法和随机梯度下降算法

• 因为梯度下降算法的w每次都是变化固定的值（因为用的是样本平均cost），所以计算f(x_1)和计算f(x_1+1)是互不影响的，可以进行并行运算提高效率，效率高
• 随机梯度下降算法中的w每次的变化的值要取决于当前样本值，即对上一次的w有依赖关系，不能像梯度下降算法那样简单的取n倍关系，故不能进行并行运算，性能好，但时间复杂度大

折中办法

• 设置Batch：批量的随机梯度下降
• 把样本分成若干组，每次用一组样本去求相应的梯度
• 随机梯度下降算法默认采用Mini-Batch这种方法