0

我想在最简单的函数示例中了解 SGD 和 GD 之间的区别：y=x**2

GD的功能在这里：

def gradient_descent(
    gradient, start, learn_rate, n_iter=50, tolerance=1e-06
):
    vector = start
    for _ in range(n_iter):
        diff = -learn_rate * gradient(vector)
        if np.all(np.abs(diff) <= tolerance):
            break
        vector += diff
    return vector

为了找到 x**2 函数的最小值，我们接下来应该做（答案几乎是 0，这是正确的）：

gradient_descent(gradient=lambda v: 2 * x, start=10.0, learn_rate=0.2)

我的理解是，在经典 GD 中，梯度是从所有数据点精确计算出来的。我上面展示的实现中的“所有数据点”是什么？

更进一步，我们应该如何对这个函数进行现代化改造，以便将其称为 SGD（SGD 使用单个数据点来计算梯度。gradient_descent函数中的“单个点”在哪里？）

4

1 回答 1

1

您的示例中最小化的函数不依赖于任何数据，因此说明 GD 和 SGD 之间的区别没有帮助。

考虑这个例子：

import numpy as np

rng = np.random.default_rng(7263)

y = rng.normal(loc=10, scale=4, size=100)


def loss(y, mean):
    return 0.5 * ((y-mean)**2).sum()


def gradient(y, mean):
    return (mean - y).sum()


def mean_gd(y, learning_rate=0.005, n_iter=15, start=0):
    """Estimate the mean of y using gradient descent"""

    mean = start

    for i in range(n_iter):

        mean -= learning_rate * gradient(y, mean)

        print(f'Iter {i} mean {mean:0.2f} loss {loss(y, mean):0.2f}')

    return mean


def mean_sgd(y, learning_rate=0.005, n_iter=15, start=0):
    """Estimate the mean of y using stochastic gradient descent"""

    mean = start

    for i in range(n_iter):

        rng.shuffle(y)
        for single_point in y:
            mean -= learning_rate * gradient(single_point, mean)

        print(f'Iter {i} mean {mean:0.2f} loss {loss(y, mean):0.2f}')

    return mean


mean_gd(y)
mean_sgd(y)
y.mean()

GD 和 SGD 的两个（非常简单的）版本用于估计随机样本的均值y。估计均值是通过最小化平方来实现的loss。正如您正确理解的那样，在 GD 中，每次更新都使用在整个数据集上计算的梯度，而在 SGD 中，我们一次只查看一个随机点。

于 2021-11-05T08:16:06.007 回答