三种梯度下降法对比(Batch gradient descent、Mini-batch gradient descent 和 stochastic gradient descent)
梯度下降(GD)是最小化风险函数、损失函数的一种常用方法,随机梯度下降(stochastic gradient descent)、批量梯度下降(Batch gradient descent)和mini-batch梯度下降(Mini-batch gradient descent) 是三种迭代求解思路,下面从公式和实现的角度对三者进行分析。
下面的h(x)是要拟合的函数,J(theta)损失函数,theta是参数,要迭代求解的值,theta求解出来了那最终要拟合的函数h(theta)就出来了。其中m是训练集的记录条数,j是参数的个数。
一、批量梯度下降的求解思路如下:
1. Batch gradient descent 就是一次迭代训练所有样本,就这样不停的迭代。整个算法的求解思路可以表示为:
(1) 将J(theta)对theta求偏导,得到每个theta对应的的梯度:
(2) 由于是要最小化风险函数,所以按每个参数theta的梯度负方向,来更新每个theta:
(3) 从上面公式可以注意到,它得到的是一个全局最优解,但是每迭代一步,都要用到训练集所有的数据,如果m很大,那么可想而知这种方法的迭代速度!!所以,这就引入了另外一种方法,随机梯度下降。
2. python实现算法:
X = data_input
Y = labels
parameters = initialize_parameters(layers_dims)
for i in range(0, num_iterations): #num_iterations--迭代次数# Forward propagationa, caches = forward_propagation(X, parameters)# Compute cost.cost = compute_cost(a, Y)# Backward propagation.grads = backward_propagation(a, caches, parameters)# Update parameters.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、随机梯度下降的求解思路如下:
1. 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。具体实现思路:
(1)上面的风险函数可以写成如下这种形式,损失函数对应的是训练集中每个样本的粒度,而上面批量梯度下降对应的是所有的训练样本:
(2)每个样本的损失函数,对theta求偏导得到对应梯度,来更新theta:
(3)随机梯度下降是通过每个样本来迭代更新一次,如果样本量很大的情况(例如几十万),那么可能只用其中几万条或者几千条的样本,就已经将theta迭代到最优解了,对比上面的批量梯度下降,迭代一次需要用到十几万训练样本,一次迭代不可能最优,如果迭代10次的话就需要遍历训练样本10次。但是,SGD伴随的一个问题是噪音较BGD要多,使得SGD并不是每次迭代都向着整体最优化方向。
2. python实现算法:
X = data_input
Y = labels
permutation = list(np.random.permutation(m))
shuffled_X = X[:, permutation]
shuffled_Y = Y[:, permutation].reshape((1, m))
for i in range(0, num_iterations):for j in range(0, m): # 每次训练一个样本# Forward propagationAL,caches = forward_propagation(shuffled_X[:, j].reshape(-1,1), parameters)# Compute costcost = compute_cost(AL, shuffled_Y[:, j].reshape(1,1))# Backward propagationgrads = backward_propagation(AL, shuffled_Y[:,j].reshape(1,1), caches)# Update parameters.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梯度下降
1. 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 batch_sizebatch_size。因此,若batch_size=1batch_size=1 则变成了SGD,若batch_size=mbatch_size=m 则变成了batch gradient descent。batch_sizebatch_size通常设置为2的幂次方,通常设置2,4,8,16,32,64,128,256,5122,4,8,16,32,64,128,256,512(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):
- step1: 打乱数据:
- step2:对数据集进行划分:
2. python实现算法: - 首先要把训练集分成多个batch
# GRADED FUNCTION: random_mini_batches
def random_mini_batches(X, Y, mini_batch_size = 64, seed = 0):"""Creates a list of random minibatches from (X, Y)Arguments:X -- input data, of shape (input size, number of examples)Y -- true "label" vector (1 for blue dot / 0 for red dot), of shape (1, number of examples)mini_batch_size -- size of the mini-batches, integerReturns:mini_batches -- list of synchronous (mini_batch_X, mini_batch_Y)"""np.random.seed(seed) # To make your "random" minibatches the same as oursm = X.shape[1] # number of training examplesmini_batches = []# Step 1: Shuffle (X, Y)permutation = list(np.random.permutation(m))shuffled_X = X[:, permutation]shuffled_Y = Y[:, permutation].reshape((1,m))# Step 2: Partition (shuffled_X, shuffled_Y). Minus the end case.num_complete_minibatches = m//mini_batch_size # number of mini batchesfor k in range(0, num_complete_minibatches):mini_batch_X = shuffled_X[:, k * mini_batch_size: (k + 1) * mini_batch_size]mini_batch_Y = shuffled_Y[:, k * mini_batch_size: (k + 1) * mini_batch_size]mini_batch = (mini_batch_X, mini_batch_Y)mini_batches.append(mini_batch)# Handling the end case (last mini-batch < mini_batch_size)if m % mini_batch_size != 0:mini_batch_X = shuffled_X[:, num_complete_minibatches * mini_batch_size : m]mini_batch_Y = shuffled_Y[:, num_complete_minibatches * mini_batch_size : m]mini_batch = (mini_batch_X, mini_batch_Y)mini_batches.append(mini_batch)return mini_batches
- 下面是在model中使用mini-batch gradient descent 进行更新参数
seed = 0
for i in range(0, num_iterations):# Define the random minibatches. We increment the seed to reshuffle differently the dataset after each epochseed = seed + 1minibatches = random_mini_batches(X, Y, mini_batch_size, seed)for minibatch in minibatches:# Select a minibatch(minibatch_X, minibatch_Y) = minibatch# Forward propagationAL, caches = forward_propagation(minibatch_X, parameters)# Compute costcost = compute_cost(AL, minibatch_Y)# Backward propagationgrads = backward_propagation(AL, minibatch_Y, caches)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 batch_sizebatch_size ,要去调这个超参数。
以上博文借鉴与:
随机梯度下降(Stochastic gradient descent)和 批量梯度下降(Batch gradient descent )的公式对比、实现对比.
几种梯度下降方法对比(Batch gradient descent、Mini-batch gradient descent 和 stochastic gradient descent).
三种梯度下降法对比(Batch gradient descent、Mini-batch gradient descent 和 stochastic gradient descent)相关推荐
- 三种梯度下降的方式:批量梯度下降、小批量梯度下降、随机梯度下降
在机器学习领域中,梯度下降的方式有三种,分别是:批量梯度下降法BGD.随机梯度下降法SGD.小批量梯度下降法MBGD,并且都有不同的优缺点. 下面我们以线性回归算法(也可以是别的算法,只是损失函数(目 ...
- 三种梯度下降算法的比较和几种优化算法
博客已迁至知乎,本文链接:https://zhuanlan.zhihu.com/p/70910873 前言 这篇文章介绍了三种梯度下降方法的原理与优缺点,详细地讲解了Momentum.RMSprop和 ...
- 鸢尾花数据集使用三种梯度下降MGD、BGD与MBGD
鸢尾花数据集 目录 一.鸢尾花数据集是什么? 二.使用python获取鸢尾花数据集 1.数据集的获取及展示 2.数据可视化及获得一元线性回归 3.数据集的划分 三.鸢尾花数据集使用三种梯度下降MGD. ...
- 结构光、双目、ToF——三种3D技术对比
本文虽然命名为对比文档,但是对比意义不是特别强烈的内容仍不在少数--如三种3D技术的误差等部分--换言之,本文旨在通过对比的形式对三种3D技术的特点和特性进行总结.资料主要来自于网络,部分相关参考文献 ...
- pl/sql中三种游标循环效率对比
pl/sql中三种游标循环效率对比 - Oracle数据库栏目 - 红黑联盟 http://www.2cto.com/database/201307/224636.html 转载于:https://b ...
- android double转string_Java 数组转 List 的三种方式及对比
来源:Java数组转List的三种方式及对比_五道口-CSDN博客 作者:大脑补丁 前言: 本文介绍Java中数组转为List三种情况的优劣对比,以及应用场景的对比,以及程序员常犯的类型转换错误原因解 ...
- java 创建线程_【80期】说出Java创建线程的三种方式及对比
点击上方"Java面试题精选",关注公众号 面试刷图,查缺补漏 >>号外:往期面试题,10篇为一个单位归置到本公众号菜单栏->面试题,有需要的欢迎翻阅. 一.Ja ...
- 三种Hash算法对比以及秒传原理.
三种Hash算法对比以及秒传原理 CRC (32/64) MD5 Sha1 分5个点来说 1.校验值长度 2.校验值类别 3.安全级别 4.应用场景 1).校验值长度 CRC(32/64) 分别 ...
- mybatis批量更新数据三种方法效率对比
探讨批量更新数据三种写法的效率问题. 实现方式有三种, 1> 用for循环通过循环传过来的参数集合,循环出N条sql,需要在db链接url后面带一个参数 &allowMultiQuer ...
最新文章
- 深入浅出之个性化推荐系统实践
- centos安装cowboy过程
- 又一款4800像素手机曝光:vivo V15 Pro
- 《Java程序设计》 第五周学习总结
- Kubernetes 入门教程
- Adobe illustrator 介绍几个快捷键 - 连载 8
- lua编译器和ide
- mysql数据库函数详解_MySQL数据库之字符函数详解
- dev gridcontrol 单箱效果
- xftp地址栏消失解决办法
- 秃友进销存标准版内存注册机 Cracked.By.HackWm.
- 快捷键布线报错_Altium Designer 常用快捷键总结(PCB布线)
- 基于pygame 图片多边形坐标获取
- ZT——你怎么过河? -在CMM实践中你是否愿意多走1公里-软件工程 CMM与过程改进
- 基于评论的推荐系统综述
- 云计算与大数据的应用及其相关性
- No qualifying bean of type [com.service.UserService] found for dependency: 解决方案
- web前端开发零基础入门教程
- 随机过程(一)基础概念与随机过程基本类型
- wireshark的使用(二)
热门文章
- Python学习笔记-2
- python登录网站后爬取数据_快速爬取登录网站数据
- Delphi 10.3 Web应用开发B/S框架介绍(一):uniGUI
- 假期“就地过节”:希尔顿集团旗下酒店推出户外轻旅行
- Android源码之剩余充电时间计算
- HomeKit(HomeKit Accessory Protocol)HAP协议 Java实现
- Android acra 监控报错日志上报(acra版本4.9)
- C语言--时间复杂度(2)
- 魔兽世界3.3.5 TrinityCore2020年3月22日编译端
- “数字经济”助力汽车业快速复苏