关于优化算法的随笔

SGD : stochastic gradient descent (随机梯度下降)

　　

　　1. 更新比较频繁，会造成 cost function 有严重的震荡，最终停留在 local minima (极小值) 或 saddle point (鞍点) 处

 　　

def sgd(w, dw, config=None):

    if config is None: config = {}
    config.setdefault('learning_rate', 1e-2)

    w -= config['learning_rate'] * dw
    return w, config

 

 

 

SGDM : SGD with Momentum (动量)   

　　Momentum在梯度下降的过程中加入了惯性，使得梯度方向不变的维度上速度变快，梯度方向有所改变的维度上的更新速度变慢，这样就可以加快收敛并减小震荡。

　　

　　这种做法使得原来的值m(t-1)占一定的比重，新值占一定的比重，共同对新值m(t)作出影响。类似于网络书上的某个计算。记不清是什么了 : -_- :

 

　　1. 不具备一些先知（先验？），例如快要上坡时，就知道需要减速了，适应性会更好；

　　　　（个人理解：例如从一个很陡的坡下载，到达最低点，但是受动量影响，刹不住车，继续向前面的上坡冲）

　　2. 不能根据参数的重要性而对不同的参数进行不同程度的更新。

　　

def sgd_momentum(w, dw, config=None):

    if config is None: config = {}
    config.setdefault('learning_rate', 1e-2)
    config.setdefault('momentum', 0.9)
    v = config.get('velocity', np.zeros_like(w))

    next_w = None
    ###########################################################################
    # TODO: Implement the momentum update formula. Store the updated value in #
    # the next_w variable. You should also use and update the velocity v.     #
    ###########################################################################

    v = config["momentum"] * v - config["learning_rate"] * dw
    next_w = w + v
    
#    momentum : 动量
    ###########################################################################
    #                             END OF YOUR CODE                            #
    ###########################################################################
    config['velocity'] = v

    return next_w, config

 

 　

NAG : SGD with Nesterov Acceleration (加速度)

　　

　　计算梯度时，不是在当前位置，而是未来的位置上。因此这里的梯度是跟着累积动量走了一步后的梯度。

 

AdaGrad

　　二阶动量为该维度上迄今为止所有梯度值的平方和

　　

　　为了避免分母为0，加了一项随机扰动

　　

 　　分母会不断积累，这样随着迭代次数的增加，步长越来越小

 

RMSProp

　　解决Adagrad学习率急剧下降的问题，RMSProp改变了二阶动量计算方法，即用窗口滑动加权平均值计算二阶动量。

　　

　　Hinton 建议设定  为 0.9, 学习率  为 0.001。

 　　

def rmsprop(w, dw, config=None):

    if config is None: config = {}
    config.setdefault('learning_rate', 1e-2)
    config.setdefault('decay_rate', 0.99)
    config.setdefault('epsilon', 1e-8)
    config.setdefault('cache', np.zeros_like(w))

    next_w = None
    ###########################################################################
    # TODO: Implement the RMSprop update formula, storing the next value of w #
    # in the next_w variable. Don't forget to update cache value stored in    #
    # config['cache'].                                                        #
    ###########################################################################
    
    config["cache"] = config["decay_rate"]*config["cache"] + (1-config["decay_rate"])*(dw**2)
    next_w = w - config["learning_rate"]*dw / (np.sqrt(config["cache"]) + config["epsilon"])
    
    pass
    ###########################################################################
    #                             END OF YOUR CODE                            #
    ###########################################################################

    return next_w, config

 

 

Adam

　　Adam = Adaptive + Momentum，顾名思义Adam集成了SGD的一阶动量和RMSProp的二阶动量。

　　优化算法里最常见的两个超参数  就都在这里了，前者控制一阶动量，后者控制二阶动量。

　　若在Adam基础上再加一个Nesterov加速，是不是更牛逼了，这就是Nadam。

 　　

　　

 

def adam(w, dw, config=None):
    """
    Uses the Adam update rule, which incorporates moving averages of both the
    gradient and its square and a bias correction term.

    config format:
    - learning_rate: Scalar learning rate.
    - beta1: Decay rate for moving average of first moment of gradient.
    - beta2: Decay rate for moving average of second moment of gradient.
    - epsilon: Small scalar used for smoothing to avoid dividing by zero.
    - m: Moving average of gradient.
    - v: Moving average of squared gradient.
    - t: Iteration number.
    """
    if config is None: config = {}
    config.setdefault('learning_rate', 1e-3)
    config.setdefault('beta1', 0.9)   # 0.9
    config.setdefault('beta2', 0.999) # 0.995
    config.setdefault('epsilon', 1e-8)
    config.setdefault('m', np.zeros_like(w))
    config.setdefault('v', np.zeros_like(w))
    config.setdefault('t', 0)

    next_w = None
    ###########################################################################

#    m -> first_moment
#    v -> second_moment
    config["t"] += 1
    config["m"] = config["beta1"] * config["m"] + (1 - config["beta1"]) * dw
    config["v"] = config["beta2"] * config["v"] + (1 - config["beta2"]) * (dw**2)
    mb = config["m"] / (1 - config["beta1"]**config["t"])
    vb = config["v"] / (1 - config["beta2"]**config["t"])
    next_w = w - config["learning_rate"] * mb / ( np.sqrt(vb) + config["epsilon"] )
    
    
    #                             END OF YOUR CODE                            #
    ###########################################################################

    return next_w, config

 

 

Reference :

　　https://blog.csdn.net/q295684174/article/details/79130666

　　https://blog.csdn.net/silent56_th/article/details/59680033

 

转载于:https://www.cnblogs.com/cbattle/p/9401948.html