简要介绍图中的优化算法,编程实现并2D可视化
1. 被优化函数 ![x^{2}](https://latex.csdn.net/eq?x%5E%7B2%7D)
SGD:
from nndl.op import Op
import torch
import numpy as np
from matplotlib import pyplot as plt
from nndl.opitimizer import SimpleBatchGD # 导入简单批量梯度下降优化器
# 被优化函数
class OptimizedFunction(Op):
def __init__(self, w):
super(OptimizedFunction, self).__init__()
self.w = w
self.params = {'x': 0} # 初始化参数字典
self.grads = {'x': 0} # 初始化梯度字典
def forward(self, x):
self.params['x'] = x # 更新参数字典中的x
return torch.matmul(self.w.T, torch.tensor(torch.square(self.params['x']), dtype=torch.float32)) # 返回计算结果
def backward(self):
self.grads['x'] = 2 * torch.multiply(self.w.T, self.params['x']) # 计算梯度
# SGD梯度更新
import copy
def train_f(model, optimizer, x_init, epoch):
x = x_init
all_x = []
losses = []
for i in range(epoch):
all_x.append(copy.copy(x.numpy())) # 记录参数值
loss = model(x) # 计算损失
losses.append(loss) # 记录损失
model.backward() # 反向传播求梯度
optimizer.step() # 使用优化器更新参数
x = model.params['x'] # 获取更新后的参数值
print(all_x)
return torch.tensor(all_x), losses # 返回参数更新轨迹和损失值
# 可视化
class Visualization(object):
def __init__(self):
"""
初始化可视化类
"""
# 只画出参数x1和x2在区间[-5, 5]的曲线部分
x1 = np.arange(-5, 5, 0.1)
x2 = np.arange(-5, 5, 0.1)
x1, x2 = np.meshgrid(x1, x2)
self.init_x = torch.tensor([x1, x2]) # 初始化x1和x2
def plot_2d(self, model, x, fig_name):
"""
可视化参数更新轨迹
"""
fig, ax = plt.subplots(figsize=(10, 6))
cp = ax.contourf(self.init_x[0], self.init_x[1], model(self.init_x.transpose(0, 1)),
colors=['#e4007f', '#f19ec2', '#e86096', '#eb7aaa', '#f6c8dc', '#f5f5f5', '#000000'])
c = ax.contour(self.init_x[0], self.init_x[1], model(self.init_x.transpose(0, 1)), colors='black')
cbar = fig.colorbar(cp)
ax.plot(x[:, 0], x[:, 1], '-o', color='#000000') # 绘制参数更新轨迹
ax.plot(0, 'r*', markersize=18, color='#fefefe')
ax.set_xlabel('$x1$')
ax.set_ylabel('$x2$')
ax.set_xlim((-2, 5))
ax.set_ylim((-2, 5))
plt.savefig(fig_name) # 保存可视化结果
plt.show()
def train_and_plot_f(model, optimizer, epoch, fig_name):
"""
训练模型并可视化参数更新轨迹
"""
# 设置x的初始值
x_init = torch.tensor([3, 4], dtype=torch.float32)
print('x1 initiate: {}, x2 initiate: {}'.format(x_init[0].numpy(), x_init[1].numpy()))
x, losses = train_f(model, optimizer, x_init, epoch) # 训练模型
print(x)
losses = np.array(losses)
# 展示x1、x2的更新轨迹
vis = Visualization()
vis.plot_2d(model, x, fig_name) # 可视化参数更新轨迹
# 固定随机种子
torch.manual_seed(0) # 设置随机种子
w = torch.tensor([0.2, 2]) # 初始化权重
model = OptimizedFunction(w) # 创建被优化函数的实例
opt = SimpleBatchGD(init_lr=0.2, model=model) # 创建优化器实例
train_and_plot_f(model, opt, epoch=20, fig_name='opti-vis-para.pdf') # 训练模型并进行可视化
AdaGrad:
class Adagrad(Optimizer):
def __init__(self, init_lr, model, epsilon):
"""
Adagrad 优化器初始化
输入:
- init_lr: 初始学习率
- model:模型,model.params存储模型参数值
- epsilon:保持数值稳定性而设置的非常小的常数
"""
super(Adagrad, self).__init__(init_lr=init_lr, model=model)
self.G = {} # 初始化梯度累积字典
for key in self.model.params.keys():
self.G[key] = 0 # 将每个参数的梯度累积值初始化为0
self.epsilon = epsilon # 设置epsilon用于数值稳定性
def adagrad(self, x, gradient_x, G, init_lr):
"""
adagrad算法更新参数,G为参数梯度平方的累计值。
"""
G += gradient_x ** 2 # 累积梯度的平方
x -= init_lr / torch.sqrt(G + self.epsilon) * gradient_x # 根据公式更新参数
return x, G # 返回更新后的参数和累积梯度的平方
def step(self):
"""
参数更新
"""
for key in self.model.params.keys(): # 遍历模型的所有参数
self.model.params[key], self.G[key] = self.adagrad(self.model.params[key],
self.model.grads[key],
self.G[key],
self.init_lr) # 调用adagrad方法更新参数
torch.manual_seed(0) # 设置随机种子
w = torch.tensor([0.2, 2]) # 初始权重
model = OptimizedFunction(w) # 创建模型对象
opt = Adagrad(init_lr=0.5, model=model, epsilon=1e-7) # 创建Adagrad优化器对象
train_and_plot_f(model, opt, epoch=50, fig_name='opti-vis-para2.pdf') # 训练并可视化模型参数
plt.show() # 显示可视化结果
RMSprop:
class RMSprop(Optimizer):
def __init__(self, init_lr, model, beta, epsilon):
"""
RMSprop优化器初始化
输入:
- init_lr:初始学习率
- model:模型,model.params存储模型参数值
- beta:衰减率
- epsilon:保持数值稳定性而设置的常数
"""
super(RMSprop, self).__init__(init_lr=init_lr, model=model) # 调用父类的初始化方法
self.G = {} # 初始化梯度平方的加权移动平均
for key in self.model.params.keys():
self.G[key] = 0
self.beta = beta
self.epsilon = epsilon
def rmsprop(self, x, gradient_x, G, init_lr):
"""
rmsprop算法更新参数,G为迭代梯度平方的加权移动平均
"""
G = self.beta * G + (1 - self.beta) * gradient_x ** 2 # 更新梯度平方的加权移动平均
x -= init_lr / torch.sqrt(G + self.epsilon) * gradient_x # 更新参数
return x, G
def step(self):
"""参数更新"""
for key in self.model.params.keys(): # 遍历模型的每个参数
self.model.params[key], self.G[key] = self.rmsprop(self.model.params[key],
self.model.grads[key],
self.G[key],
self.init_lr) # 调用rmsprop方法更新参数和G值
# 固定随机种子
torch.manual_seed(0)
w = torch.tensor([0.2, 2]) # 初始化模型参数
model = OptimizedFunction(w) # 创建模型
opt = RMSprop(init_lr=0.1, model=model, beta=0.9, epsilon=1e-7) # 创建RMSprop优化器
train_and_plot_f(model, opt, epoch=50, fig_name='opti-vis-para3.pdf') # 训练模型并可视化训练过程
Momentum:
class Momentum(Optimizer):
def __init__(self, init_lr, model, rho):
"""
Momentum优化器初始化
输入:
- init_lr:初始学习率
- model:模型,model.params存储模型参数值
- rho:动量因子
"""
super(Momentum, self).__init__(init_lr=init_lr, model=model)
# 初始化delta_x字典,用于存储每个参数的梯度的加权移动平均
self.delta_x = {}
for key in self.model.params.keys():
self.delta_x[key] = 0
self.rho = rho
def momentum(self, x, gradient_x, delta_x, init_lr):
"""
momentum算法更新参数,delta_x为梯度的加权移动平均
"""
# 计算梯度的加权移动平均
delta_x = self.rho * delta_x - init_lr * gradient_x
# 更新参数
x += delta_x
return x, delta_x
def step(self):
"""参数更新"""
for key in self.model.params.keys():
# 使用momentum函数更新每个参数的值,并计算梯度的加权移动平均
self.model.params[key], self.delta_x[key] = self.momentum(self.model.params[key],
self.model.grads[key],
self.delta_x[key],
self.init_lr)
# 固定随机种子
torch.manual_seed(0)
# 创建模型对象
w = torch.tensor([0.2, 2])
model = OptimizedFunction(w)
# 创建Momentum优化器对象
opt = Momentum(init_lr=0.01, model=model, rho=0.9)
# 训练并绘制结果
train_and_plot_f(model, opt, epoch=50, fig_name='opti-vis-para4.pdf')
Adam:
import torch
class Adam(Optimizer):
def __init__(self, init_lr, model, beta1, beta2, epsilon):
"""
Adam优化器初始化
输入:
- init_lr:初始学习率
- model:模型,model.params存储模型参数值
- beta1, beta2:移动平均的衰减率
- epsilon:保持数值稳定性而设置的常数
"""
super(Adam, self).__init__(init_lr=init_lr, model=model)
self.beta1 = beta1
self.beta2 = beta2
self.epsilon = epsilon
self.M, self.G = {}, {} # 存储梯度和梯度平方的移动平均
for key in self.model.params.keys():
self.M[key] = 0
self.G[key] = 0
self.t = 1 # 迭代次数
def adam(self, x, gradient_x, G, M, t, init_lr):
"""
adam算法更新参数
输入:
- x:参数
- G:梯度平方的加权移动平均
- M:梯度的加权移动平均
- t:迭代次数
- init_lr:初始学习率
"""
M = self.beta1 * M + (1 - self.beta1) * gradient_x # 计算梯度的加权移动平均
G = self.beta2 * G + (1 - self.beta2) * gradient_x ** 2 # 计算梯度平方的加权移动平均
M_hat = M / (1 - self.beta1 ** t) # 对梯度的移动平均进行偏差修正
G_hat = G / (1 - self.beta2 ** t) # 对梯度平方的移动平均进行偏差修正
t += 1 # 迭代次数加一
x -= init_lr / torch.sqrt(G_hat + self.epsilon) * M_hat # 更新参数
return x, G, M, t
def step(self):
"""参数更新"""
for key in self.model.params.keys():
self.model.params[key], self.G[key], self.M[key], self.t = self.adam(self.model.params[key],
self.model.grads[key],
self.G[key],
self.M[key],
self.t,
self.init_lr)
# 固定随机种子
torch.manual_seed(0)
w = torch.tensor([0.2, 2])
model = OptimizedFunction(w)
opt = Adam(init_lr=0.2, model=model, beta1=0.9, beta2=0.99, epsilon=1e-7)
train_and_plot_f(model, opt, epoch=20, fig_name='opti-vis-para5.pdf')
优化一下代码:
import torch
class Adam(Optimizer):
def __init__(self, init_lr, model, beta1, beta2, epsilon):
super(Adam, self).__init__(init_lr=init_lr, model=model)
self.beta1 = beta1
self.beta2 = beta2
self.epsilon = epsilon
self.M = {key: torch.zeros_like(value) for key, value in self.model.params.items()}
self.G = {key: torch.zeros_like(value) for key, value in self.model.params.items()}
self.t = 1
def adam(self, x, gradient_x, G, M, t, init_lr):
M = self.beta1 * M + (1 - self.beta1) * gradient_x
G = self.beta2 * G + (1 - self.beta2) * gradient_x ** 2
M_hat = M / (1 - self.beta1 ** t)
G_hat = G / (1 - self.beta2 ** t)
t += 1
x -= init_lr / torch.sqrt(G_hat + self.epsilon) * M_hat
return x, G, M, t
def step(self):
for key, value in self.model.params.items():
self.model.params[key], self.G[key], self.M[key], self.t = self.adam(value,
self.model.grads[key],
self.G[key],
self.M[key],
self.t,
self.init_lr)
torch.manual_seed(0)
w = torch.tensor([0.2, 2])
model = OptimizedFunction(w)
opt = Adam(init_lr=0.2, model=model, beta1=0.9, beta2=0.99, epsilon=1e-7)
train_and_plot_f(model, opt, epoch=20, fig_name='opti-vis-para5.pdf')
这里的优化主要包括以下几点:
- 在初始化Adam类时,使用字典推导式来初始化梯度平方和梯度的移动平均,避免了显式循环。
- 在
adam
方法中,使用inplace操作符-=、+=
来更新参数和变量,减少了内存消耗。 - 在
step
方法中,使用items()
方法直接迭代模型参数的键值对,简化了代码。
2. 被优化函数
import numpy as np
import matplotlib.pyplot as plt
from collections import OrderedDict
class SGD:
"""随机梯度下降法(Stochastic Gradient Descent)"""
def __init__(self, lr=0.01):
self.lr = lr
def update(self, params, grads):
for key in params.keys():
params[key] -= self.lr * grads[key]
class Momentum:
"""Momentum SGD"""
def __init__(self, lr=0.01, momentum=0.9):
self.lr = lr
self.momentum = momentum
self.v = None
def update(self, params, grads):
if self.v is None:
self.v = {}
for key, val in params.items():
self.v[key] = np.zeros_like(val)
for key in params.keys():
self.v[key] = self.momentum*self.v[key] - self.lr*grads[key]
params[key] += self.v[key]
class Nesterov:
"""Nesterov's Accelerated Gradient (http://arxiv.org/abs/1212.0901)"""
def __init__(self, lr=0.01, momentum=0.9):
self.lr = lr
self.momentum = momentum
self.v = None
def update(self, params, grads):
if self.v is None:
self.v = {}
for key, val in params.items():
self.v[key] = np.zeros_like(val)
for key in params.keys():
self.v[key] *= self.momentum
self.v[key] -= self.lr * grads[key]
params[key] += self.momentum*self.momentum*self.v[key]
params[key] -= (1+self.momentum)*self.lr*grads[key]
class AdaGrad:
"""AdaGrad"""
def __init__(self, lr=0.01):
self.lr = lr
self.h = None
def update(self, params, grads):
if self.h is None:
self.h = {}
for key, val in params.items():
self.h[key] = np.zeros_like(val)
for key in params.keys():
self.h[key] += grads[key] * grads[key]
params[key] -= self.lr * grads[key] / (np.sqrt(self.h[key]) + 1e-7)
class RMSprop:
"""RMSprop"""
def __init__(self, lr=0.01, decay_rate=0.99):
self.lr = lr
self.decay_rate = decay_rate
self.h = None
def update(self, params, grads):
if self.h is None:
self.h = {}
for key, val in params.items():
self.h[key] = np.zeros_like(val)
for key in params.keys():
self.h[key] *= self.decay_rate
self.h[key] += (1 - self.decay_rate) * grads[key] * grads[key]
params[key] -= self.lr * grads[key] / (np.sqrt(self.h[key]) + 1e-7)
class Adam:
"""Adam (http://arxiv.org/abs/1412.6980v8)"""
def __init__(self, lr=0.001, beta1=0.9, beta2=0.999):
self.lr = lr
self.beta1 = beta1
self.beta2 = beta2
self.iter = 0
self.m = None
self.v = None
def update(self, params, grads):
if self.m is None:
self.m, self.v = {}, {}
for key, val in params.items():
self.m[key] = np.zeros_like(val)
self.v[key] = np.zeros_like(val)
self.iter += 1
lr_t = self.lr * np.sqrt(1.0 - self.beta2**self.iter) / (1.0 - self.beta1**self.iter)
for key in params.keys():
self.m[key] += (1 - self.beta1) * (grads[key] - self.m[key])
self.v[key] += (1 - self.beta2) * (grads[key]**2 - self.v[key])
params[key] -= lr_t * self.m[key] / (np.sqrt(self.v[key]) + 1e-7)
def f(x, y):
"""该函数用于定义二维函数f(x, y)"""
return x**2/20.0 + y**2
def df(x, y):
"""该函数用于定义二维函数f(x, y)的梯度df(x, y)"""
return x/10.0, 2.0*y
init_pos = (-7.0, 2.0) # 初始位置
params = {} # 参数初始化
params['x'], params['y'] = init_pos[0], init_pos[1]
grads = {}
grads['x'], grads['y'] = 0, 0
learningrate = [0.9, 0.3, 0.3, 0.6, 0.6, 0.6, 0.6] # 不同优化算法对应的学习率
optimizers = OrderedDict() # 有序字典,用于存储不同优化算法
optimizers["SGD"] = SGD(lr=learningrate[0])
optimizers["Momentum"] = Momentum(lr=learningrate[1])
optimizers["Nesterov"] = Nesterov(lr=learningrate[2])
optimizers["AdaGrad"] = AdaGrad(lr=learningrate[3])
optimizers["RMSprop"] = RMSprop(lr=learningrate[4])
optimizers["Adam"] = Adam(lr=learningrate[5])
idx = 1
# 遍历优化器字典,使用不同优化算法进行参数更新,并记录参数变化历史
for key in optimizers:
optimizer = optimizers[key]
lr = learningrate[idx-1]
x_history = []
y_history = []
params['x'], params['y'] = init_pos[0], init_pos[1]
for i in range(30):
x_history.append(params['x'])
y_history.append(params['y'])
grads['x'], grads['y'] = df(params['x'], params['y'])
optimizer.update(params, grads)
# 绘制子图,展示不同优化算法的参数更新过程
x = np.arange(-10, 10, 0.01)
y = np.arange(-5, 5, 0.01)
X, Y = np.meshgrid(x, y)
Z = f(X, Y)
mask = Z > 7
Z[mask] = 0
plt.subplot(2, 3, idx)
idx += 1
plt.plot(x_history, y_history, 'o-', color="r")
plt.contour(X, Y, Z, cmap='gray')
plt.ylim(-10, 10)
plt.xlim(-10, 10)
plt.plot(0, 0, '+')
plt.text(0, 10, key + '\nlr=' + str(lr), fontsize=20, color="b",
verticalalignment='top', horizontalalignment='center', fontstyle='italic')
plt.xlabel("x")
plt.ylabel("y")
plt.subplots_adjust(wspace=0, hspace=0) # 调整子图间距
plt.show()
在代码中,首先定义了几种常用的优化算法类,包括随机梯度下降法(SGD)、Momentum、Nesterov's Accelerated Gradient、AdaGrad、RMSprop和Adam。然后,定义了一个二维函数f(x, y)和其梯度函数df(x, y)。
接下来,定义了初始位置init_pos,并初始化参数params和梯度grads。然后,定义了优化器字典optimizers,其中包含了不同的优化算法和对应的学习率。遍历优化器字典,使用每种优化算法进行参数更新,迭代30次,并记录参数的变化历史x_history和y_history。
3. 解释不同轨迹的形成原因
分析各个算法的优缺点
SGD(随机梯度下降)的轨迹形成原因是由于其在y轴方向上的更新变化较大,而在x轴方向上的变化较小。因为梯度具有随机性质,所以梯度搜索轨迹会表现出嘈杂的动荡现象,呈现之字形。
- 优点:易于理解和实现,对于大规模数据集和高维度特征有效。
- 缺点:收敛速度较慢且可能停留在局部最小值处。
AdaGrad算法的轨迹形成原因是函数的取值会高效地朝着最小值移动。初始阶段,由于y轴方向上的梯度较大,更新变化较大。随着时间的推移,根据之前较大的更新变动进行调整,减小了更新的步伐,导致y轴方向上的更新程度衰减,形成稳定的收敛路径。
- 优点:能够自适应地调整学习率,适用于稀疏数据集。
- 缺点:学习率会随着训练的进行变得过小,导致提前停止更新参数。
RMSprop算法的轨迹形成原因是相对于AdaGrad算法,RMSprop的轨迹图更加平缓和稳定,更有效地收敛到损失函数的最小值。然而,由于该算法逐渐遗忘过去的梯度,只受近期梯度的影响,在初始阶段会收敛得更快,变动幅度较大。
- 优点:解决了AdaGrad学习率过早减小的问题,更适合非平稳目标函数。
- 缺点:可能受到梯度消失或爆炸的影响,需要仔细调整学习率。
Momentum算法的轨迹形成原因是引入了动量的概念,当梯度方向不一致时会起到减速作用,增加了稳定性。与SGD相比,在x轴方向上受到的力较小,一直在同向受力,导致加速;而y轴方向上受到的力较大,交替正反向的力会互相抵消。
- 优点:加速了收敛速度,提高了稳定性。
- 缺点:可能会在某些情况下错过局部最优解,需要仔细调整动量参数。
Nesterov算法是对动量法的改进,不仅根据当前梯度调整位置,还根据当前动量在预期未来位置计算梯度。这样可以相应地调整更新,避免振荡现象,尤其是在具有陡峭峡谷的表面上,可以更快地收敛到最小值。
- 优点:相比标准的动量法,更容易避免梯度更新的震荡。
- 缺点:需要额外的计算步骤,有时会增加计算成本。
Adam算法的轨迹形成原因是由于结合了动量法和RMSprop算法,不仅可以自适应地调整学习率,收敛速度快,而且参数更新更加平稳。其收敛轨迹图通常呈直线或者前期收敛幅度较大,后期逐渐平稳,朝着最优点移动。
- 优点:结合了动量和自适应学习率的优点,适用于大多数情况,并且对超参数的选择不太敏感。
- 缺点:对一些非凸优化问题可能不够稳定,需要小心调整超参数。