精华 | 几种梯度下降方法对比【收藏】

2018 年 9 月 12 日 机器学习算法与Python学习

我们在训练神经网络模型时,最常用的就是梯度下降,这篇博客主要介绍下几种梯度下降的变种(mini-batch gradient descent和stochastic gradient descent),关于Batch gradient descent(批梯度下降,BGD)就不细说了(一次迭代训练所有样本),因为这个大家都很熟悉,通常接触梯队下降后用的都是这个。这里主要介绍Mini-batch gradient descent和stochastic gradient descent(SGD)以及对比下Batch gradient descent、mini-batch gradient descent和stochastic gradient descent的效果。

一、Batch gradient descent 
Batch gradient descent 就是一次迭代训练所有样本,就这样不停的迭代。整个算法的框架可以表示为:

 1X = data_input
2Y = labels
3parameters = initialize_parameters(layers_dims)
4for i in range(0, num_iterations): #num_iterations--迭代次数
5    # Forward propagation
6    a, caches = forward_propagation(X, parameters)
7    # Compute cost.
8    cost = compute_cost(a, Y)
9    # Backward propagation.
10    grads = backward_propagation(a, caches, parameters)
11    # Update parameters.
12    parameters = update_parameters(parameters, grads)


Batch gradient descent的优点是理想状态下经过足够多的迭代后可以达到全局最优。但是缺点也很明显,就是如果你的数据集非常的大(现在很常见),根本没法全部塞到内存(显存)里,所以BGD对于小样本还行,大数据集就没法娱乐了。而且因为每次迭代都要计算全部的样本,所以对于大数据量会非常的慢。

二、stochastic gradient descent 
为了加快收敛速度,并且解决大数据量无法一次性塞入内存(显存)的问题,stochastic gradient descent(SGD)就被提出来了,SGD的思想是每次只训练一个样本去更新参数。具体的实现代码如下:

 1X = data_input
2Y = labels
3permutation = list(np.random.permutation(m))
4shuffled_X = X[:, permutation]
5shuffled_Y = Y[:, permutation].reshape((1, m))
6for i in range(0, num_iterations):
7    for j in range(0, m):  # 每次训练一个样本
8        # Forward propagation
9        AL,caches = forward_propagation(shuffled_X[:, j].reshape(-1,1), parameters)
10        # Compute cost
11        cost = compute_cost(AL, shuffled_Y[:, j].reshape(1,1))
12        # Backward propagation
13        grads = backward_propagation(AL, shuffled_Y[:,j].reshape(1,1), caches)
14        # Update parameters.
15        parameters = update_parameters(parameters, grads, learning_rate)


如果我们的数据集很大,比如几亿条数据,num_iterationsnum_iterations 基本上 设置1,2,(10以内的就足够了)就可以。但是SGD也有缺点,因为每次只用一个样本来更新参数,会导致不稳定性大些(可以看下图(图片来自ng deep learning 课),每次更新的方向,不想batch gradient descent那样每次都朝着最优点的方向逼近,会在最优点附近震荡)。因为每次训练的都是随机的一个样本,会导致导致梯度的方向不会像BGD那样朝着最优点。 


注意:代码中的随机把数据打乱很重要,因为这个随机性相当于引入了“噪音”,正是因为这个噪音,使得SGD可能会避免陷入局部最优解中。


下面来对比下SGD和BGD的代价函数随着迭代次数的变化图: 


可以看到SGD的代价函数随着迭代次数是震荡式的下降的(因为每次用一个样本,有可能方向是背离最优点的)

三、Mini-batch gradient descent 
mini-batch gradient descent 是batch gradient descent和stochastic gradient descent的折中方案,就是mini-batch gradient descent每次用一部分样本来更新参数,即  b a t c h _ s i z e 。因此,若 b a t c h _ s i z e = 1  则变成了SGD,若 b a t c h _ s i z e = m  则变成了batch gradient descent。 b a t c h _ s i z e 通常设置为2的幂次方,通常设置 2 4 8 16 32 64 128 256 512 (很少设置大于512)。因为设置成2的幂次方,更有利于GPU加速。现在深度学习中,基本上都是用 mini-batch gradient descent,(在深度学习中,很多直接把mini-batch gradient descent(a.k.a stochastic mini-batch gradient descent)简称为SGD,所以当你看到深度学习中的SGD,一般指的就是mini-batch gradient descent)。下面用几张图来展示下mini-batch gradient descent的原理(图片来自ng deep learning 课): 


下面直接给出mini-batch gradient descent的代码实现: 
1.首先要把训练集分成多个batch

 1# GRADED FUNCTION: random_mini_batches
2def random_mini_batches(X, Y, mini_batch_size = 64, seed = 0):
3    """
4    Creates a list of random minibatches from (X, Y)
5    Arguments:
6    X -- input data, of shape (input size, number of examples)
7    Y -- true "label" vector (1 for blue dot / 0 for red dot), of shape (1, number of examples)
8    mini_batch_size -- size of the mini-batches, integer
9
10    Returns:
11    mini_batches -- list of synchronous (mini_batch_X, mini_batch_Y)
12    """

13    np.random.seed(seed)            # To make your "random" minibatches the same as ours
14    m = X.shape[1]                  # number of training examples
15    mini_batches = []
16
17    # Step 1: Shuffle (X, Y)
18    permutation = list(np.random.permutation(m))
19    shuffled_X = X[:, permutation]
20    shuffled_Y = Y[:, permutation].reshape((1,m))
21
22    # Step 2: Partition (shuffled_X, shuffled_Y). Minus the end case.
23    num_complete_minibatches = m//mini_batch_size # number of mini batches
24    for k in range(0, num_complete_minibatches):
25        mini_batch_X = shuffled_X[:, k * mini_batch_size: (k + 1) * mini_batch_size]
26        mini_batch_Y = shuffled_Y[:, k * mini_batch_size: (k + 1) * mini_batch_size]
27        mini_batch = (mini_batch_X, mini_batch_Y)
28        mini_batches.append(mini_batch)
29
30    # Handling the end case (last mini-batch < mini_batch_size)
31    if m % mini_batch_size != 0:
32        mini_batch_X = shuffled_X[:, num_complete_minibatches * mini_batch_size : m]
33        mini_batch_Y = shuffled_Y[:, num_complete_minibatches * mini_batch_size : m]
34        mini_batch = (mini_batch_X, mini_batch_Y)
35        mini_batches.append(mini_batch)
36
37    return mini_batches


2.下面是在model中使用mini-batch gradient descent 进行更新参数

 1seed = 0
2for i in range(0, num_iterations):
3    # Define the random minibatches. We increment the seed to reshuffle differently the dataset after each epoch
4    seed = seed + 1
5    minibatches = random_mini_batches(X, Y, mini_batch_size, seed)
6    for minibatch in minibatches:
7        # Select a minibatch
8        (minibatch_X, minibatch_Y) = minibatch
9        # Forward propagation
10        AL, caches = forward_propagation(minibatch_X, parameters)
11        # Compute cost
12        cost = compute_cost(AL, minibatch_Y)
13        # Backward propagation
14        grads = backward_propagation(AL, minibatch_Y, caches)
15        parameters = update_parameters(parameters, grads, learning_rate)


下面来看mini-batch gradient descent 和 stochastic gradient descent 在下降时的对比图: 

下面是mini-batch gradient descent的代价函数随着迭代次数的变化图: 

从图中能够看出,mini-batch gradient descent 相对SGD在下降的时候,相对平滑些(相对稳定),不像SGD那样震荡的比较厉害。mini-batch gradient descent的一个缺点是增加了一个超参数  b a t c h _ s i z e  ,要去调这个超参数。 

以上就是关于batch gradient descent、mini-batch gradient descent 和 stochastic gradient descent的内容。 

作者:天泽28

链接:https://blog.csdn.net/u012328159/article/details/80252012

完整代码请点击阅读原文

登录查看更多
2

相关内容

【ICML2020】对比多视角表示学习
专知会员服务
52+阅读 · 2020年6月28日
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
模型压缩究竟在做什么?我们真的需要模型压缩么?
专知会员服务
27+阅读 · 2020年1月16日
KGCN:使用TensorFlow进行知识图谱的机器学习
专知会员服务
81+阅读 · 2020年1月13日
干货 | kNN 的花式用法
AI科技评论
5+阅读 · 2019年5月8日
已删除
将门创投
10+阅读 · 2018年5月2日
面试整理:关于代价函数,正则化
数据挖掘入门与实战
8+阅读 · 2018年3月29日
干货|深度神经网络(DNN)反向传播算法(BP)
全球人工智能
7+阅读 · 2018年1月12日
算法优化|梯度下降和随机梯度下降 — 从0开始
全球人工智能
8+阅读 · 2017年12月25日
干货|代码原理教你搞懂SGD随机梯度下降、BGD、MBGD
机器学习研究会
12+阅读 · 2017年11月25日
绝对干货 | 随机梯度下降算法综述
菜鸟的机器学习
15+阅读 · 2017年10月30日
变种神经网络的典型代表:深度残差网络
机器学习研究会
9+阅读 · 2017年10月20日
A Modern Introduction to Online Learning
Arxiv
20+阅读 · 2019年12月31日
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
Arxiv
7+阅读 · 2018年5月23日
Arxiv
8+阅读 · 2014年6月27日
VIP会员
相关资讯
干货 | kNN 的花式用法
AI科技评论
5+阅读 · 2019年5月8日
已删除
将门创投
10+阅读 · 2018年5月2日
面试整理:关于代价函数,正则化
数据挖掘入门与实战
8+阅读 · 2018年3月29日
干货|深度神经网络(DNN)反向传播算法(BP)
全球人工智能
7+阅读 · 2018年1月12日
算法优化|梯度下降和随机梯度下降 — 从0开始
全球人工智能
8+阅读 · 2017年12月25日
干货|代码原理教你搞懂SGD随机梯度下降、BGD、MBGD
机器学习研究会
12+阅读 · 2017年11月25日
绝对干货 | 随机梯度下降算法综述
菜鸟的机器学习
15+阅读 · 2017年10月30日
变种神经网络的典型代表:深度残差网络
机器学习研究会
9+阅读 · 2017年10月20日
Top
微信扫码咨询专知VIP会员