minibatchgd代码_神经网络中的优化算法
上一篇文章講了神經網絡的參數初試化，可以看到不同的初始化方法對我們的學習效果有很大影響。(參見：【DL筆記】神經網絡參數初始化的學問)
本文繼續討論如何進一步優化我們的梯度下降算法，使得我們的學習更快，學習效果更佳。
首先，我們慣用的方法是“梯度下降法”，稱為Gradient Decent，就是把所有的訓練樣本丟進去訓練一次之后，把W和b更新一次，然后重復這個過程，具體重復多少次就看我們的“迭代次數”是多少。
【為了下面敘述的方便，我們稱“把所有訓練樣本過一遍”為一個epoch，另外 gradient decent也就是梯度下降我們就簡稱為GD。】
我們傳統的GD，也可以稱為Batch GD，這個batch就是指一整批，就是指我們所有樣本。
今天主要介紹的有如下方法，均是對傳統batch gradient decent的改進：Mini-batch GD(小批量梯度下降法)
GD with Momentum(動量法)
Adam算法(Momentum與RMSprop算法結合)
一、Mini-batch GD
mini-batch是相對于batch來說的，后者我們前面說過，是走完一個epoch才把參數更新一次，這樣其實很慢。
樣本數量不多還好，但是樣本多了就會明顯耗費大量時間，比如5百萬樣本，這在深度學習里面是很平常的事情，但是使用傳統的方法，即batch GD，意味著我們需要把5,000,000個樣本跑一遍才能更新一次W和b。
mini-batch就是為了解決這個問題的，我們可以把5百萬的樣本分成一塊一塊的，比如1000個樣本一塊，稱為一個mini-batch，這樣我們就有5000個mini-batch。我們訓練的時候，跑完一個mini-batch就把W和b更新一次，這樣的的話，在一個epoch中，我們就已經把參數更新了5000次了！雖然每一步沒有batch GD的一步走的準，但是我5000步加起來，怎么樣也比你走一步的效果好的多，因此可以加快訓練速度，更快到達最值點。
這就是mini-batch GD方法。
對于不同的mini-batch的大小(size)，也有不一樣的效果：size=樣本數 —> Batch GD
size=1 —> Stochastic GD(隨機梯度下降)
有人可能會問，那size=1的時候，也就是來一個樣本就更新一次，豈不是會更快？
不是的，它會有兩個問題：震動太劇烈，誤差會灰常大，可能根本無法到達最低點
每次只計算一個樣本，就失去了我們前面提到的“Vectorization(矢量化)”的優勢，因此計算效率反而不高
因此，我們通常取一個中間的值，這樣，既利用了Vectorization來加速計算，又可以在一個epoch中多次更新，速度就可以最快。
有意思的是，據吳恩達說，mini-batch size 通常取2的指數，主要是16，32，64，128，256，512，1024這幾個值，因為計算機是二進制，這樣的數字計算起來效率會更高一些。
口說無憑，現在我做個實驗驗證一下是不是mini-batch 更好：
實驗條件：
三層神經網絡，learning-rate=0.0007，batch size=300，mini-batch size=64，迭代次數=40000
數據集形狀如下：
數據集
猜想：
①mini-batch GD效果要比batch GD更好
②mini-batch GD的cost曲線會比batch波動更大，但是最終cost卻更低
實驗代碼和過程就不放了，直接看我們運行的結果：
batch GD：
耗時105s，準確率只有0.76，看圖明顯就知道還沒訓練好。
再看mini-batch GD：
哇塞，效果不錯！準確率提高到了91.7%，而且從cost曲線上看，確實如我所料有很大的波動，但是最終的cost顯著低于batch GD，因此學習的模型就更好。
出乎我意料的是，時間居然縮短了一半以上！一開始我估計時間應該差不多，因為我們迭代的40000次相當于40000個epoch，我前面只是說一個epoch中mini-batch更新的次數更多，沒想到居然也更快(因為我覺得一個epoch中的操作變多了，可能會變慢一點)。
想了想，覺得應該是這樣：因為mini-batch在一個epoch中走的步子多，因此可以迅速地找到“最佳下坡路”，找到了之后，就跟坐滑滑梯一樣，越溜越快，因此比batch GD更快。
二、Momentum 動量法
上面的mini-batch GD給了我們一些驚喜了，但是似乎還可以更好，畢竟還有不少點都分類錯誤。
主要的原因就是因為，使用mini-batch之后，穩定性降低了，在梯度下降的時候會有較為劇烈的振動，這樣可能導致在最低點附近瞎晃悠，因此效果會受影響。
動量法就是解決mini-batch的這個問題的，它讓梯度下降不那么抖動。
看看Momentum的參數更新過程：
如果你熟悉神經網絡梯度下降的過程，就知道，我們一般的梯度下降的更新過程(以W為例)是：W = W -αdW。
動量法相當于多了一個V_dW，它考慮了前面若干個dW，(實際上，V_dW約等于前1/(1-β)個dW的平均值，數學上稱為“指數加權平均”)這樣，dW的方向就會受到前面若干個dW的沖擊，于是整體就變得更平緩。
可能畫個示意圖才能更好地說明吧：
mini-batch是上下起伏不定的箭頭，但是把若干個的方向平均一下，就變得平緩多了，相當于抵消掉了很多的方向相反的誤差。
我們也在做實驗驗證一下，實驗條件跟上面一樣，我們在mini-batch size=64的基礎上，使用Momentum方法來更新參數，得到的效果如下：
這個超參數β調了我半天，最開始0.9，然后0.95，再0.99，再0.999，終于有了上面的這么一點點的提升，準確率到了92%。可見momentum有一些效果，但是此處還不太明顯。
三、Adam算法
這個方法，對momentum再進一步改進，結合了RMSprop算法(是另一種減小梯度下降振動的方法)，更新過程如下：
不僅有了我們剛剛的V_dW, 還有一個S_dW(就把它理解為跟V_dW的原理類似就行了)，然后，再對這兩個玩意兒都進行了一個修正(corrected)，最后參數更新是綜合了這二者，結果效果就出奇的好：
準確率有了明顯提升，達到94%，擬合的形狀明顯是那么一回事了。
對于Momentum的效果不那么明顯的現在，吳恩達的解釋是在learning-rate太小以及數據集比較簡單的情況下，momentum發揮不了太大的作用，因此本實驗中我們看不出驚人的效果。但在其他場景下也許就有很好的改善了。
當然，既然有了Adam算法，我們自然會使用Adam這個最佳實踐了。
總結一下：Mini-batch GD比傳統GD效果更好，訓練更快
Momentum動量法可以減小Mini-batch帶來的振動
梯度下降的最佳優化方法是Adam算法
Adam算法中的超參數β1和β2以及learning-rate也會顯著影響模型，因此需要我們反復調試
作者：Stack_empty
鏈接：https://www.jianshu.com/p/ea708a06f87c
總結
以上是生活随笔為你收集整理的minibatchgd代码_神经网络中的优化算法的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 替代VS Code的产品Eclipse
- 下一篇： Zeros()