跟着李沐老师学习深度学习（二）

线性回归 + 基础优化算法

课程视频：https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497
课程教材：https://zh.d2l.ai/

线性回归

了解线性回归前的例子

• 在美国买房
  看中一个房子，进行参观了解 --> 估计一个价格（出价） —— 预测问题

引出线性回归—简化模型

• 假设 1:影响房价的关键因素是卧室个数，卫生间个数和居住面积，记为 x1，x2，x3
• 假设2:成交价是关键因素的加权和：y=WX+Wx+Wx+b
  权重和偏差的实际值在后面决定

线性模型

• 给定n维输入：
• 线性模型有一个n维权重和一个标量偏差
• 输出是输入的加权和：

在这里插入图片描述

• 向量版本:
  
• 线性模型可以看作是单层神经网络：
  
• 神经网络来源于神经科学
  主要思想：使用人工的神经网络来模拟人的大脑；

衡量预估质量

• 比较真实值和预估值，例如房屋售价和估价；以下式子叫做平方损失。
  

• 训练数据

  • 收集一些数据点来决定参数值（权重和偏差），例如过去6个月卖的房子（称为训练数据）
  • 假设有n个样本，记：
    

• 参数学习

  • 训练损失
    
  • 最小化损失来学习参数
    

• 显示解

  • 将偏差加入权重 （输入加入一列全1；权重加入偏差）
    

  • 损失是凸函数，所以最优解满足：
    
    （唯一具有最优解的模型）

总结

• 线性回归是对n维输入的加权，外加偏差
• 使用平方损失来衡量预测值和真实值的差异
• 线性回归有显示解（最简单的模型）
• 线性回归可以看做是单层神经网络

基础优化方法

梯度下降

（当模型中没有显示解时，使用优化方法）

• 挑选一个初始值w0；重复迭代参数t = 1, 2, 3
  

  • 沿梯度方向将增加损失函数值
  • 学习率：步长的超参数（需要认为指定）

选择学习率

不能太小、也不能太大；

分类：小批量随机梯度下降（常用）

类型	定义	优点	缺点
批量梯度下降 (Batch Gradient Descent)	每次迭代时，计算整个训练数据集的梯度。	收敛性较好，最终能找到全局最小值（对于凸优化问题）。	计算成本高，尤其是在数据量很大的时候，因为每次都需要用整个数据集来计算梯度。
随机梯度下降 (Stochastic Gradient Descent, SGD)	每次迭代时，只用一个样本来计算梯度并更新参数。	计算速度更快，因为每次只使用一个样本；适合大规模数据集。	每次更新的方向波动较大，可能导致收敛速度慢或者最终收敛到局部最小值。
小批量梯度下降 (Mini - batch Gradient Descent)	每次迭代时，用一个小批量的数据（例如32或64个样本）来计算梯度并更新参数。	比批量梯度下降速度快，但又能比随机梯度下降更稳定，适用于深度学习中。	需要根据批量大小进行调整，但比批量和随机梯度下降的结合要灵活。

• 在整个训练集上算梯度太贵

  • 一个深度神经网络模型可能需要数分钟至数小时

• 可以随机采样b个样本i1,i2,…,ib 来近似损失
  

  • b是批量大小，另一个重要的超参数。

• 对于批量大小的选择：

  • 不能太小：每次计算量太小，不适合并行来最大利用计算资源。
  • 不能太大：内存消耗增加浪费计算，例如如果所有样本都是相同的

总结

• 梯度下降通过不断沿着反梯度方向更新参数求解
• 小批量随机梯度下降是深度学习默认的求解算法（稳定、简单）
• 两个重要的超参数是批量大小和学习率

代码实现 – 从零实现线性回归

# 1 线性回归的从零开始实现

# 从零开始实现整个方法：包括数据流水线、模型、损失函数和小批量随机梯度下降优化器

%matplotlib inline
import random
import torch
from d2l import torch as d2l

# 根据带有的噪声的线性模型构造一个人造的数据集。我们使用线性模型参数w = [2, -3.4]，b = 4.2 还有噪声项及其标签

def synthetic_data(w, b, num_examples):
    """生成 y = Xw + b + 噪声。"""
    # 均值为0，方差为1的随机数，大小：有n个样本，共len（w）列
    X = torch.normal(0, 1, (num_examples, len(w)))
    # y = Xw + b
    y = torch.matmul