PyTorch学习(二)——使用numpy和PyTorch分别实现梯度下降法

本文介绍了梯度下降法的基本概念和三种类型,并分别使用numpy和PyTorch实现批量梯度下降。在numpy部分,详细阐述了设定初始值、求梯度更新参数和线性回归的实现;在PyTorch部分,讲解了如何导入模块、自定义网络、随机生成数据、网络更新和数据可视化的过程。
摘要由CSDN通过智能技术生成

1. 梯度下降法介绍

梯度下降法简单来说就是一个迭代优化算法,目的是找到函数的局部最小值,该算法与最小二乘法相似,用于求解线性回归问题,但梯度下降的意义在于通过寻找梯度最大的方向下降(或上升),来找到损失函数最小时所对应的参数值。
梯度下降法有成熟的推导步骤与求解公式,并且有三种不同的实现类型:
参考资料:梯度下降法介绍及python实现
① 批量梯度下降(BGD):每次使用全量的训练集样本来更新模型参数,得到的是全局最优解,但样本数目很多时,训练过程会很慢。
② 随机梯度下降(SGD):每次从训练集中随机选择一个样本来进行迭代,快速并可进行在线更新,但可能得到的是局部最优。
③ Mini-batch梯度下降算法:在每次更新速度与更新次数中间取得一个平衡,每次更新从训练集中随机选择n个样本来进行学习。
接下来将分别使用numpy和PyTorch实现批量梯度下降。

2. numpy实现梯度下降法

原文链接:梯度下降法介绍及python实现
下面代码将分成三个部分,将三个部分拼在一起就是完整代码,不会有任何缺漏。

2.1 设定初始值

import numpy as np
from scipy import stats
import
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值