2.1 mini-batch gradient descent mini-batch 梯度下降法
- 我们将训练数据组合到一个大的矩阵中
- 在对整个数据集进行梯度下降时,你要做的是,你必须训练整个训练集,然后才能进行一步梯度下降法.然后需要重新训练整个数据集,才能进行下一步梯度下降法.所以你在训练整个训练集的一部分时就进行梯度下降,你的算法速度会更快.你可以把训练集分割为小一点的子训练集.这些小的训练集被称为 mini-batch.每次训练一个 mini-batch 后就对模型的权值进行梯度下降的算法叫做 mini-batch 梯度下降法.
2.2 理解 mini-batch 梯度下降
- 在 batch 梯度下降中,每次迭代你都需要遍历整个训练集,可以预期正常情况下每次迭代的成本函数都会下降.
- 使用 mini-batch 梯度下降法时,会发现 cost 并不是每次迭代都下降的,看到的图像可能是以下这种情况.总体走向朝下但是有更多的噪声.
你需要决定的变量之一就是 mini-batch 的大小,m 就是训练集的大小.
- 极端情况下,如果 m=mini-batch,其实就是batch 梯度下降法.在这种极端情况下,假设 mini-batch 大小为 1 一次只处理一个,就有了新的算法,叫做随机梯度下降法.
- 看两个极端情况下,成本函数的优化情况:
- 假设图中蓝点是最小值点,其中 batch 梯度下降从某处开始,相对噪声低些,幅度也大一些:
- 对于随机剃度下降,你只对一个样本进行梯度下降,大部分时候你向着全局最小值靠近,但是有时候你会偏离方向,因为那个样本恰好给你指的方向不正确.因此随机梯度下降法是有很多噪声的.平均来看会向着正确的方向,不过有时候也会方向错误.
- 因为随机梯度下降法永远不会收敛,而是会一直在最小值附近波动.但它并不会达到最小值并停留于此.
不同的梯度下降算法的利和弊
- 每次迭代需要处理大量训练样本,该算法主要弊端是特别是在训练样本数量巨大的时候,单次迭代耗时太长,如果训练样本不大,batch 梯度下降法运行的很好.
- 相反如果使用随机梯度下降法,每次只训练一个训练样本,通过减少学习率,噪声也会相应的减少.但是其一大缺点是:你会失去所有向量化带给你的加速.
指导原则
如果训练集较小,就直接使用 batch 梯度下降法,样本集较小就没必要使用 mini-batch 梯度下降法.这里说的是少于 2000 个样本.这样比较适合使用 batch 梯度下降法.
不然如果数据量较大,一般的 mini-batch 大小为 64 到 512,考虑到计算机的结构,一般来说,mini-batch 的值取 2 的幂次方数比较合适,会相应的加快训练速度.
参考资料
[1]
吴恩达老师课程原地址: https://mooc.study.163.com/smartSpec/detail/1001319001.htm
