优化算法 -AdGrad算法

AdGrad算法

我们从有关特征学习中并不常见的问题入手

1 - 稀疏特征和学习率

2 - 预处理

3 - 算法

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-D5FItvwT-1663327954422)(image/g5.png)]

%matplotlib inline
import math
import torch
from d2l import torch as d2l

def adagrad_2d(x1,x2,s1,s2):
    eps = 1e-6
    g1,g2 = 0.2 * x1,4 * x2
    s1 += g1 ** 2
    s2 += g2 ** 2
    x1 -= eta / math.sqrt(s1 + eps) * g1
    x2 -= eta / math.sqrt(s2 + eps) * g2
    return x1,x2,s1,s2

def f_2d(x1,x2):
    return 0.1 * x1 ** 2 + 2 * x2 ** 2

eta = 0.4
d2l.show_trace_2d(f_2d,d2l.train_2d(adagrad_2d))

epoch 20, x1: -2.382563, x2: -0.158591


C:\Users\20919\anaconda3\envs\d2l\lib\site-packages\torch\functional.py:478: UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argument. (Triggered internally at  C:\actions-runner\_work\pytorch\pytorch\builder\windows\pytorch\aten\src\ATen\native\TensorShape.cpp:2895.)
  return _VF.meshgrid(tensors, **kwargs)  # type: ignore[attr-defined]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JQGTNVvr-1663327954422)(https://yingziimage.oss-cn-beijing.aliyuncs.com/img/202209161924238.svg)]

我们将学习率提高到2，可以看到更好的表现。这已经表明，即使在无噪声的情况下，学习率的降低可能相当剧烈，我们需要确保参数能够适当地收敛

eta = 2
d2l.show_trace_2d(f_2d,d2l.train_2d(adagrad_2d))

epoch 20, x1: -0.002295, x2: -0.000000

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nHJEC5gp-1663327954422)(https://yingziimage.oss-cn-beijing.aliyuncs.com/img/202209161924239.svg)]

4 - 从零开始实现

同动量法一样，AdaGrad算法需要对每个自变量维护同它一样形状的状态变量

def init_adagrad_states(feature_dim):
    s_w = torch.zeros(feature_dim,1)
    s_b = torch.zeros(1)
    return (s_w,s_b)

def adagrad(params,states,hyperparams):
    eps = 1e-6
    for p,s in zip(params,states):
        with torch.no_grad():
            s[:] += torch.square(p.grad)
            p[:] -= hyperparams['lr'] * p.grad / torch.sqrt(s + eps)
        p.grad.data.zero_()

这里使用较大的学习率来训练模型

data_iter, feature_dim = d2l.get_data_ch11(batch_size=10)
d2l.train_ch11(adagrad, init_adagrad_states(feature_dim),
            {'lr': 0.1}, data_iter, feature_dim);

loss: 0.243, 0.005 sec/epoch

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sQlJDg0k-1663327954423)(https://yingziimage.oss-cn-beijing.aliyuncs.com/img/202209161924240.svg)]

5 - 简洁实现

我们可以直接使用深度学习框架中提供的AdaGrad算法来训练模型

trainer = torch.optim.Adagrad
d2l.train_concise_ch11(trainer,{'lr':0.1},data_iter)

loss: 0.242, 0.005 sec/epoch

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gQKgG4Pb-1663327954423)(https://yingziimage.oss-cn-beijing.aliyuncs.com/img/202209161924241.svg)]

6 - 小结

• AdaGrad算法会在单个坐标层面动态降低学习率
• AdaGrad算法利⽤梯度的⼤⼩作为调整进度速率的⼿段：⽤较⼩的学习率来补偿带有较⼤梯度的坐标
• 在深度学习问题中，由于内存和计算限制，计算准确的⼆阶导数通常是不可⾏的。梯度可以作为⼀个有效的代理
• 如果优化问题的结构相当不均匀，AdaGrad算法可以帮助缓解扭曲
• AdaGrad算法对于稀疏特征特别有效，在此情况下由于不常出现的问题，学习率需要更慢地降低
• 在深度学习问题上，AdaGrad算法有时在降低学习率⽅⾯可能过于剧烈。我们将在 11.10节⼀节讨论缓解这种情况的策略