深度学习面试题04：随机梯度下降法、批量梯度下降法、小批量梯度下降

目录

　　一元线性回归模型

　　一元线性回归代价函数图像

　　梯度下降求解

　　SGD、BGD、Mini-batchGD的特点

　　参考资料

---

在《深度学习面试题03改进版梯度下降法Adagrad、RMSprop、Momentum、Adam》中讲到了多种改进的梯度下降公式。而这篇文章和03篇描述的不是一个事情，我们从一个例子说起，就知道改良的GD算法和本节介绍的GD算法的不同点了。

一元线性回归模型

举例：以房屋面积预测房屋价格

假设函数可以设置为

 返回目录

一元线性回归代价函数图像

 

每一个预测值都与真实值存在一个差距，差距的平方和就可以作为一个代价函数。

 

因此代价函数为：

如下图所示（为方便观察，做了一个截断）

代码为：

from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)
w = np.arange(-5, 8, .25)
b = np.arange(-15, 15, .25)
x = np.array([1,2,3,4])
y = np.array([3.2,4.7,7.3,8.5])
w, b = np.meshgrid(w, b)
R = 0
for i in range(len(x)):
    R += (w*x[i]+b-y[i])**2
R /= len(x)
a = R<50
R = ~a*50+R*a
# ax.plot_surface(w, b, R, rstride=1, cstride=1, cmap='rainbow', )
ax.plot_wireframe(w, b, R)

plt.title("cost(w,b) = 1/N * Σ(w*x_i+b-y_i)^2")

X = np.array([1.85,3.5]) # [ 0  3  6  9 12 15 18 21]
Y = np.array([1.3,3.5])  # [ 1  4  7 10 13 16 19 22]
R = 0
for i in range(len(x)):
    R += (X*x[i]+Y-y[i])**2
R /= len(x)
Z = R
ax.scatter(X, Y, Z, c='r', label='顺序点')
for i in range(len(X)):
    ax.text(X[i], Y[i], Z[i], "({:.2f},{:.2f},{:.2f})".format(X[i], Y[i], Z[i]), color='red',fontsize=15)


plt.xlabel("w")
plt.ylabel("b")
plt.show()

 返回目录

梯度下降求解

当使用梯度下降法求解时，假设初始化(w,b)=(3.5,3.5)

代价函数关于w和b的偏导数为：

重点来了：Adagrad、RMSprop、Adam等算法都是建立在偏导数之上的，他们并不关心上式中N的取值，N取1，取100，还是取N，Adagrad、RMSprop、Adam等算法都可以运行。

而随机梯度下降法（Stochastic Gradient Descent，SGD），批量梯度下降法（Batch Gradient Descent，BGD），小批量梯度下降法（Mini-batch Gradient Descent，Mini-batchGD）则是研究这里的N的大小的。

 

如果N=1，此时为SGD，计算代价函数梯度的时候只考虑一个样本；

如果N=样本容量，此时为BGD，计算代价函数梯度的时候考虑全部样本；

如果N=m，1<m<N，此时为Mini-batchGD，计算代价函数梯度的时候考虑一小批样本。

 返回目录

SGD、BGD、Mini-batchGD的特点

SGD计算根据随机一个样本构造出来的代价函数的梯度，这与计算根据全部样本构造出来的代价函数的梯度肯定有偏差，也许是一个不好的梯度方向，下降时候并不沿着最有的方向下降，但是优点是可以快速的计算一个近似梯度，因为计算量缩减到原来的1/N。

BGD计算根据全部样本的构造出来的代价函数的梯度，方向肯定是沿着当前最优的下降方向，但是计算代价较高，当数据集较大时，相当耗时。

Mini-batchGD就不用说了，是前两者的折中

下面用图像演示一下BGD和SGD下降的过程

BGD效果如下

BGD代码如下：

from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
w = np.arange(-5, 8, .25)
b = np.arange(-15, 15, .25)
x = np.array([1,2,3,4])
y = np.array([3.2,4.7,7.3,8.5])
w, b = np.meshgrid(w, b)
R = 0
for i in range(len(x)):
    R += (w*x[i]+b-y[i])**2
R /= len(x)
a = R<50
R = ~a*50+R*a

ax = plt.subplot()
plt.contour(w, b, R,10)
plt.title("cost(w,b) = 1/N * Σ(w*x_i+b-y_i)^2")
w = 3.5
b = 3.5
W = []
B = []
for i in range(2000):
    W.append(w)
    B.append(b)
    w -= 0.02*1/len(x)*sum((w*x+b-y)*x)
    b -= 0.02*1/len(x)*sum((w*x+b-y))
    print(w,b)
plt.plot(W,B,"r*")
plt.xlabel("w")
plt.ylabel("b")
plt.show()

 

SGD效果如下：

很明显SGD在下降过程中存在方向不稳定的情况，但是最终还是能收敛到最优点

SGD代码如下：

from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import random
fig = plt.figure()
w = np.arange(-5, 8, .25)
b = np.arange(-15, 15, .25)
x = np.array([1,2,3,4])
y = np.array([3.2,4.7,7.3,8.5])
w, b = np.meshgrid(w, b)
R = 0
for i in range(len(x)):
    R += (w*x[i]+b-y[i])**2
R /= len(x)
a = R<50
R = ~a*50+R*a

ax = plt.subplot()
plt.contour(w, b, R,10)
plt.title("cost(w,b) = 1/N * Σ(w*x_i+b-y_i)^2")
w = 3.5
b = 3.5
W = []
B = []
for i in range(2000):
    W.append(w)
    B.append(b)
    p = random.randint(0, len(x)-1)
    w -= 0.02*(w*x[p]+b-y[p])*x[p]
    b -= 0.02*(w*x[p]+b-y[p])
    print(w,b)
plt.plot(W,B,"r*")
plt.xlabel("w")
plt.ylabel("b")
plt.show()

 返回目录

参考资料

《图解深度学习与神经网络：从张量到TensorFlow实现》_张平

 返回目录