machine-learning - pytorch SGD 的默认批量大小是多少？

Question

如果我提供整个数据并且不指定批量大小，pytorch SGD 会做什么？在这个案例中，我没有看到任何“随机性”或“随机性”。例如，在下面的简单代码中，我将整个数据(x,y)输入到模型中。

optimizer = torch.optim.SGD(model.parameters(), lr=0.1)  
for epoch in range(5):
    y_pred = model(x_data)
    loss = criterion(y_pred, y_data)
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

假设有 100 个数据对，(x,y)即每个数据对有 100 个元素。x_datay_data

问题：在我看来，所有 100 个梯度都是在一次参数更新之前计算的。“mini_batch”的大小是 100，而不是 1。所以没有随机性，对吗？起初，我认为 SGD 的意思是随机选择 1 个数据点并计算其梯度，这将用作所有数据中真实梯度的近似值。

Answer 1

PyTorch 中的 SGD 优化器只是梯度下降。随机部分来自您通常一次通过网络传递数据的随机子集的方式（即小批量或批量）。您发布的代码在执行反向传播和步进优化器之前在每个 epoch 传递整个数据集，因此您实际上只是在进行常规梯度下降。