神经网络技巧篇之寻找最优参数的方法

最新推荐文章于 2023-02-22 17:28:58 发布

寅恪光潜

最新推荐文章于 2023-02-22 17:28:58 发布

阅读量5.4k

点赞数 4

分类专栏： Python 文章标签： SGD Momentum AdaGrad Adam

本文链接：https://blog.csdn.net/weixin_41896770/article/details/121375510

版权

Python 专栏收录该内容

121 篇文章 34 订阅

订阅专栏

在神经网络的学习中，其中一个重要目的就是找到使损失函数的值尽可能小的参数，为了找到这个最优参数，我们使用梯度（导数）作为线索，沿着梯度方向来更新参数，并重复这个步骤，从而逐渐靠近最优参数，这个过程叫做随机梯度下降法（SGD,Stochastic Gradient Descent），有兴趣的可以参阅下面我以前写的关于SGD的文章

Python随机梯度下降法（一）https://blog.csdn.net/weixin_41896770/article/details/119950830

Python随机梯度下降法（二）https://blog.csdn.net/weixin_41896770/article/details/120074804

Python随机梯度下降法（三）https://blog.csdn.net/weixin_41896770/article/details/120151414

Python随机梯度下降法（四）【完结篇】https://blog.csdn.net/weixin_41896770/article/details/120264473

这篇文章主要介绍另外几种寻找最优参数的方法，做一个比较，在此之前，我们先来看一个探险家的故事：有一个奇怪的探险家，想在一片广袤的干旱地带，寻找到最深的谷底，对于正常人来说这件事情不难，但是这次探险有两个条件，一个是不准看地图，另外一个就是蒙着眼睛，什么都不看。这样的前提条件，如何去寻找呢？那这个时候地面的坡度就是一个很重要的因素了，通过脚底来感受地面的倾斜状况，那么只需要朝着所在位置最大坡度的方向前进就好，再重复这个步骤，这样就可以找到最深的谷底了。
这个故事大家已经知道，其实是属于一个随机梯度下降的方法（SGD），现在我们通过等高线来模拟这个搜索路径

common.optimizer.py【后面的方法都在这个文件中】

import numpy as np

class SGD:
    '''随机梯度下降法，lr是学习率'''
    def __init__(self,lr=0.01):
        self.lr=lr

    def update(self,params,grads):
        for i in params.keys():
            params[i]-=self.lr*grads[i]

parameter_optimizers.py 【 $\frac{1}{20}x^{2}+y^{2}$ 】
SGD的数学式： $W\leftarrow W-\eta \frac{\alpha L}{\alpha W}$ （其中 W 是权重参数， $\eta$ 是学习率， $\frac{\alpha L}{\alpha W}$ 是损失函数关于权重的梯度）

import numpy as np
import matplotlib.pyplot as plt
from collections import OrderedDict
from common.optimizer import *

def f(x,y):
    return 1/20*x**2 + y**2

def df(x,y):
    '''f函数的偏导数'''
    return 1/10*x,2*y


params={}
params['x'],params['y']=-7,2#从(-7,2)的位置开始搜索
grads={}
grads['x'],grads['y']=0,0

mySGD=SGD(lr=0.9)
x_temp=[]
y_temp=[]
for i in range(30):
    x_temp.append(params['x'])
    y_temp.append(params['y'])
    grads['x'],grads['y']=df(params['x'],params['y'])
    mySGD.update(params,grads)

#画函数f的等高线
x=np.arange(-10,10,0.01)
y=np.arange(-5,5,0.01)
X,Y=np.meshgrid(x,y)
Z=f(X,Y)
plt.plot(x_temp,y_temp,'o-',color='red')
plt.contour(X,Y,Z)
plt.plot(0,0,'+')
plt.show()

从图中可以看出搜索路径呈现“之”字形往（0,0）方向移动，效率比较低，现在我们把另外三个方法Momentum,AdaGrad,Adam，放在一起进行比较。

Momentum：

数学式： $v\leftarrow \alpha v-\eta \frac{\alpha L}{\alpha W} ; W\leftarrow W+v$
和前面SGD公式一样，其中 W 是权重参数， $\eta$ 是学习率， $\frac{\alpha L}{\alpha W}$ 是损失函数关于权重的梯度，α变量类似地面摩擦力，设定0.9之类的值，v变量，对应物理的速度，表示物体在梯度方向上受力，在这个力的作用下，物体的速度增加这一物理法则。其中v以字典型变量的形式保存与参数结构相同的数据

class Momentum:
    '''动量SGD,模拟小球在地面滚动'''
    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 k,v in params.items():
                self.v[k]=np.zeros_like(v)
        for k in params.keys():
            self.v[k]=self.momentum*self.v[k]-self.lr*grads[k]
            params[k]+=self.v[k]

AdaGrad：

数学式： $\small h\leftarrow h+\frac{\alpha L}{\alpha W}\odot \frac{\alpha L}{\alpha W}; W\leftarrow W-\eta \frac{1}{\sqrt{h}}\frac{\alpha L}{\alpha W}$
和前面公式比较，多了一个h的参数，这个参数是保存所有梯度值的平方和（矩阵的乘法），由于在神经网络的学习中，学习率的值很重要，过小会导致花费时间过多，过大就会导致学习发散而不能正确进行，所以在更新参数的时候，乘以一个 $\frac{1}{\sqrt{h}}$ 可以调整学习的尺度，换句话说就是参数的元素中变动较大的元素，学习率将变小。

class AdaGrad:
    '''调节学习率的SGD'''
    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 k,v in params.items():
                self.h[k]=np.zeros_like(v)
        for k in params.keys():
            self.h[k]=self.h[k]+grads[k]*grads[k]
            params[k]-=self.lr*grads[k]/(np.sqrt(self.h[k])+1e-7)#加一个微小值防止为0

Adam:

数学式： $\small m\leftarrow \beta1*m+(1-\beta1)\frac{\alpha L}{\alpha W}; v\leftarrow \beta2*v+(1-\beta2)(\frac{\alpha L}{\alpha W})^{2}; W\leftarrow W-\frac{1}{\sqrt{v}}*lrt*m$

是AdaGrad和Momentum方法的融合，稍微复杂点，这个方法的目的就是类似小球滚动，而且通过调节更新参数让小球左右晃动的程度有所减轻。

class Adam:
    '''融合Momentum和AdaGrad'''
    def __init__(self,lr=0.01,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 k,v in params.items():
                self.m[k]=np.zeros_like(v)
                self.v[k]=np.zeros_like(v)
        self.iter+=1
        lr_t=self.lr*np.sqrt(1.0-self.beta2**self.iter)/(1.0-self.beta1**self.iter)
        for k in params.keys():
            self.m[k]=self.beta1*self.m[k]+(1-self.beta1)*grads[k]
            self.v[k]=self.beta2*self.v[k]+(1-self.beta2)*(grads[k]**2)
            params[k]-=lr_t*self.m[k]/(np.sqrt(self.v[k])+1e-7)

我们将四个方法画图显示：

import numpy as np
import matplotlib.pyplot as plt
from collections import OrderedDict
from common.optimizer import *

def f(x,y):
    return 1/20*x**2 + y**2

def df(x,y):
    '''f函数的偏导数'''
    return 1/10*x,2*y


params={}
#params['x'],params['y']=-7,2#从(-7,2)的位置开始搜索
grads={}
grads['x'],grads['y']=0,0

#使用有序字典保存四种方法，分别遍历进行画图
mySGDDict=OrderedDict()
mySGDDict['SGD']=SGD(lr=0.9)
mySGDDict['Momentum']=Momentum(lr=0.1)
mySGDDict['AdaGrad']=AdaGrad(lr=1.5)
mySGDDict['Aam']=Adam(lr=0.3)
idx=1
for k in mySGDDict:
    mySGD=mySGDDict[k]
    x_temp=[]
    y_temp=[]
    params['x'],params['y']=-7,2#分别从(-7,2)的位置开始搜索
    for i in range(30):
        x_temp.append(params['x'])
        y_temp.append(params['y'])
        grads['x'],grads['y']=df(params['x'],params['y'])
        mySGD.update(params,grads)

    #画函数f的等高线
    x=np.arange(-10,10,0.01)
    y=np.arange(-5,5,0.01)
    X,Y=np.meshgrid(x,y)
    Z=f(X,Y)
    plt.subplot(2,2,idx)#画子图
    idx+=1
    plt.plot(x_temp,y_temp,'o-',color='red')
    plt.contour(X,Y,Z)
    plt.plot(0,0,'+')
    plt.title(k)
plt.show()