【深度学习】线性回归（二）小批量随机梯度下降及其python实现

概述

本文在我的前一篇博客（【深度学习】线性回归（一）原理及python从0开始实现）的基础上，介绍一下深度学习中的小批量随机梯度下降方法（mini-batch stochastic gradient descent），将其应用在线性回归中。在不使用深度学习框架的前提下，使用Python进行了实现。

本文主要包括以下内容：

1. 解析解和数值解；
2. 小批量随机梯度下降算法；
3. python实现小批量随机梯度下降和线性回归
4. 相比于前一篇博客，这里会注重对代码的封装

小批量随机梯度下降

解析解和数值解

在【深度学习】线性回归（一）原理及python从0开始实现一文中，介绍了线性回归的原理，我们最终的目的就是求解模型中的参数。在具体求解过程中，我们将误差（或损失）表示为参数的函数，通过最小化误差来找到合适的参数值。

当模型和损失函数形式较为简单时，上面的误差最小化问题的解可以直接用公式表达出来。这类解叫做解析解（analytical solution），如最小二乘法。然而，大多数深度学习模型并没有解析解，只能通过优化算法有限次迭代模型参数来尽可能降低损失函数的值。这类解叫做数值解（numerical solution），如梯度下降方法。

小批量随机梯度下降

在求数值解的优化算法中，小批量随机梯度下降（mini-batch stochastic gradient descent）在深度学习中被广泛使用。它的算法很简单：

1. 我们先选取一组模型参数的初始值，一般采用随机选取；
2. 接下来对参数进行多次迭代，使得每次迭代都可能降低损失函数的值；
3. 在每次迭代中，我们先随机均匀采样一个由固定数目训练数据样本所组成的小批量（mini-batch） ；
4. 然后求小批量中数据样本的平均损失有关模型参数的导数（梯度）；
5. 最后用此结果与学习率的乘积作为模型参数在本次迭代的减小量。

python实现

需要的先验知识

本文以一个简单的线性模型：$y=w_1{x}_1+w_2{x}_2+b$为例，生成模拟数据集进行实验。我们令$w_1=2,w_2=-3.4,b=4.2$，以一个随机噪声$ϵ$生成训练数据集。

这里涉及到MXNet中的NDArray和自动求解梯度操作，可以参考我之前的博客：

• 【深度学习】MXNet基本数据结构NDArray常用操作
• 【深度学习】MXNet自动求解函数梯度

代码和实验

# coding=utf-8
# author: BebDong
# 2018.12.11
# 从0开始实现线性回归，拟合y=w1x1+w2x2+b


from IPython import display
from matplotlib import pyplot as plt
from mxnet import autograd, nd
import random


# 矢量图显示
def use_svg_display():
    display.set_matplotlib_formats('svg')


# 设置图片尺寸
def set_figsize(figsize=(3.5, 2.5)):
    use_svg_display()
    plt.rcParams['figure.figsize'] = figsize


# 返回batch_size个随机样本
def data_iter(batch_size, features, labels):
    num_examples = len(features)
    indices = list(range(num_examples))
    random.shuffle(indices)                                               # 随机读取样本，打乱索引顺序
    for i in range(0, num_examples, batch_size):
        j = nd.array(indices[i:min(i + batch_size, num_examples)])
        yield features.take(j), labels.take(j)                            # take函数根据索引返回元素


# 定义需要拟合线性模型
def linreg(X, w, b):
    return nd.dot(X, w) + b


# 定义损失函数
def squared_loss(y_predict, y):
    return (y_predict - y.reshape(y_predict.shape)) ** 2 / 2


# 定义优化算法：小批量随机梯度下降
def mini_batch_gd(params, lr, batch_size):
    for param in params:
        param[:] = param - lr * param.grad / batch_size


# 生成数据集：y=w1x1+w2x2+b+e，其中e表示随机噪声，服从均值为0标准差为0.01的正态分布
num_inputs = 2                              # 特征数为2，x1和x2两个特征
num_example = 1000                          # 训练数据集1000个样本
true_w = [2, -3.4]                          # 模型中的真实参数
true_b = 4.2

features = nd.random.normal(scale=1, shape=(num_example, num_inputs))           # 随机生成测试数据集
labels = true_w[0] * features[:, 0] + true_w[1] * features[:, 1] + true_b
labels += nd.random.normal(scale=0.01, shape=labels.shape)                      # 添加随机噪声

# set_figsize()                                                                   # x2和y的散点图
# plt.scatter(features[:, 1].asnumpy(), labels.asnumpy(), 1)
# plt.show()

# batch_size = 10                                                                 # 打印一个batch的样本
# for X, y in data_iter(batch_size, features, labels):
#     print(X, y)
#     break

# 初始化参数并创建梯度
w = nd.random.normal(scale=0.01, shape=(num_inputs, 1))
w.attach_grad()
b = nd.zeros(shape=(1,))
b.attach_grad()

# 训练模型
lr = 0.05
epochs = 10
batch_size = 10
net = linreg
loss = squared_loss

for epoch in range(epochs):
    # 在每一次迭代中需要使用训练集的所有样本一次
    for X, y in data_iter(batch_size, features, labels):
        with autograd.record():
            l = loss(net(X, w, b), y)                         # l表示小批量的损失
        if len(y) < batch_size:                               # 最后一个批次的数据可能小于设定的batch_size
            l = l * batch_size / len(y)
        l.backward()                                          # 小批量损失对模型参数求导
        mini_batch_gd([w, b], lr, batch_size)                 # 调整参数
    train_l = loss(net(features, w, b), labels)                                # 打印当前迭代周期的平均误差
    print('epoch %d, loss %f' % (epoch + 1, train_l.mean().asnumpy()))


# 输出得到的模型参数
print(true_w, w)
print(true_b, b)

结果如下图，红圈圈出来的是使用小批量随机梯度下降得到的参数值，和真实值已经相当接近了。这里的模型和数据集比较简单，实际应用中，超参数（学习率、迭代次数等人为设置的参数）需要多次调节。