PyTorch 深度学习实践（2）梯度下降

b站视频连接：https://www.bilibili.com/video/BV1Y7411d7Ys?p=3

上一节我们用穷举法

列举出了所有的可能的k，并且计算了损失函数，损失越小，说明我们的k就越接近，这一次我们用梯度下降，继续计算损失，而不是穷举法了。

cost(w)=1/n∑(y`-y)^2

明显cost对w是一个二次函数，我们只要找到二次函数的最低点即可

不论我们在那边，只要沿着梯度的方向即可找到局部最优解（非二次函数可能有多个最优解），也就是极小值。
代码：

import matplotlib.pyplot as plt

# prepare the training set
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]

# initial guess of weight
w = 1.0


# define the model linear model y = w*x
def forward(x):
    return x * w


# define the cost function MSE
# cost(w)=1/n∑(y`-y)^2
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)


# define the gradient function  gd
# cost(w)=1/n∑(y`-y)^2
# αcost/αw，也就是cost对w的导数
# 计算所有样本梯度的均值
def gradient(xs, ys):
    grad = 0
    for x, y in zip(xs, ys):
        grad += 2 * x * (x * w - y)
    return grad / len(xs)


epoch_list = []
cost_list = []
# 训练过程w=w-α*gradient
print('predict (before training)', 4, forward(4)) # 未训练前，当x=4时，y=4
for epoch in range(100):
    cost_val = cost(x_data, y_data)  # 其实不算也可以，为了画图
    grad_val = gradient(x_data, y_data)
    w -= 0.01 * grad_val  # 0.01 learning rate
    print('epoch:', epoch, 'w=', w, 'loss=', cost_val)
    epoch_list.append(epoch)
    cost_list.append(cost_val)

print('predict (after training)', 4, forward(4)) # 训练后，w=2，当x=4时，y=8
plt.plot(epoch_list, cost_list)
plt.ylabel('cost')
plt.xlabel('epoch')
plt.show()

随机梯度下降法

随机梯度下降法在神经网络中被证明是有效的。梯度下降容易进入鞍点，所以采用随机梯度，不是直接走向最低点，但总的大方向还是向最低点走。
效率较低(时间复杂度较高)，学习性能较好。

随机梯度下降法和梯度下降法的主要区别在于：

1、损失函数由cost()更改为loss()。cost是计算所有训练数据的损失，loss是计算一个训练函数的损失。对应于源代码则是少了两个for循环。

2、梯度函数gradient()由计算所有训练数据的梯度更改为计算一个训练数据的梯度。

代码：

import matplotlib.pyplot as plt

x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]

# 初始猜测为1
w = 1.0


def forward(x):
    return x * w

# 随机梯度用的更多
# 与梯度下降不同的是，cost变为了loss，少了一个for循环求和
# 梯度下降是用所有样本的损失，而随机梯度是用单个样本的损失
def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) ** 2


# define the gradient function  sgd
# 注意区分普通梯度下降，少了一个for循环求和
# 因为只用了一个样本的梯度，没有用所有样本的梯度，所以没有求和
def gradient(x, y):
    return 2 * x * (x * w - y)


epoch_list = []
loss_list = []
print('predict (before training)', 4, forward(4))
for epoch in range(100):
    for x, y in zip(x_data, y_data): # 其实这里应该随机取这三个里面的某一个，而不是三个都用来更新，这才体现了随机
        grad = gradient(x, y)
        w = w - 0.01 * grad  # update weight by every grad of sample of training set
        print("\tgrad:", x, y, grad)
        l = loss(x, y)
    print("progress:", epoch, "w=", w, "loss=", l)
    epoch_list.append(epoch)
    loss_list.append(l)

# SGD不能并行，但单次运算快
# GD可以并行，但单次慢
# 所以折中用Batch GD，批量随机梯度下降Mini-Batch
print('predict (after training)', 4, forward(4))
plt.plot(epoch_list, loss_list)
plt.ylabel('loss')
plt.xlabel('epoch')
plt.show()