1.mini-batch size

    表示每次都只筛选一部分作为训练的样本,进行训练,遍历一次样本的次数为(样本数/单次样本数目) 

    当mini-batch size 的数量通常介于1,m 之间
    当为1时,称为随机梯度下降

    一般我们选择64,128, 256等样本数目

 

import numpy as np
import math
def random_mini_batch(X, Y, mini_batch = 64, seed=0):

    np.random.seed(seed)
    m = X.shape[1]  # 表示X样本的数量
    mini_batches = []

    # step 1  shuffle(X, Y)  np.random.permutation(m) 随机排列一个数字
    permutation = list(np.random.permutation(m))

    X_shuffle = X[:, permutation]
    Y_shuffle = Y[:, permutation]
    
    num_complete_minibatch = math.floor(m/mini_batch)
    
    for k in range(0, num_complete_minibatch):
        
        mini_batch_x = X_shuffle[:, k*mini_batch:(k+1)*mini_batch]
        mini_batch_y = Y_shuffle[:, k * mini_batch:(k + 1) * mini_batch]
        
        mini_batches.append((mini_batch_x, mini_batch_y))
        
    if m%mini_batch != 0:    
        mini_batch_x = X_shuffle[:, num_complete_minibatch*mini_batch:m]
        mini_batch_y = Y_shuffle[:, num_complete_minibatch*mini_batch:m]
        mini_batches.append((mini_batch_x, mini_batch_y))
        
    
    return mini_batches 

 

2. 指数加权平均
   v0 = 0 

   v1 = 0.9 * v0 + 0.1 * θ1   v0表示前一次的数值,θ1表示当前的数值

   v2 = 0.9 * v1 + 0.1 * θ2

   v3 = 0.9 * v2 + 0.1 * θ3

   v4 = 0.9 * v3 + 0.1 * θ4

   vt = β * vt-1 + (1-β) * θt  

   举个例子:

       v100 = 0.1*θ100 + 0.1*0.9*θ99 + 0.1*0.9^2*θ98 ...

   指数加权的偏差修正 

          vt / (1-β^t)   β 通常表示 0.9, t表示时间

          (1-ξ)^(1/ξ) = 1/e 

3. Momentum 梯度下降法, 加快梯度下降的速度,在横轴方向上进行了加权,因为方向相同,在纵轴上进行了削减,因为方向相反,因此梯度下降前进的方向更快

    动量梯度下降法, 前一次的方向与当前次的方向进行指数加权,得到当前此的方向

     vdw = β * vdw(forward) + (1-β) * dw 

     vdb = β * vdb(forward) + (1-β) * db 

     w: = w - α * vdw 

     b: = b - α * bdw 

    

def update_parameters_with_Momentum(parameter, grade, v, beta, learning_rate):



    L = len(parameter) // 2

    for i in range(L):

        v['dW' + str(i+1)] = beta*v['dW' + str(i+1)] + (1-beta) * grade['dW' + str(i+1)]
        v['db' + str(i+1)] = beta*v['db' + str(i+1)] + (1-beta) * grade['db' + str(i+1)]

        parameter['dW' + str(i+1)] = parameter['dW' + str(i+1)] - learning_rate * v['dW' + str(i+1)]
        parameter['db' + str(i+1)] = parameter['db' + str(i+1)] - learning_rate * v['db' + str(i+1)]


    return  parameter, grade, v

 

4. RMS prop 

    Sdw = β * sdw(forward) + (1 - β) * dw^2 

    Sdb = β * sdb(forward) + (1 - β) * db^2 

    w: = w -  α * dw/(sqrt(sdw)+ε)

    b: = b - α * db/(sqrt(sdb)+ε)

 

5. Adam 优化算法,是将动量梯度下降法与RMS prop 结合

vdw = 0  

sdw = 0 

vab = 0

sab = 0 

     vdw = β1 * vdw(forward) + (1-β1) * dw 

     vdb = β1 * vdb(forward) + (1-β1) * db 

    Sdw = β2 * sdw(forward) + (1 - β2) * dw^2 

    Sdb = β2 * sdb(forward) + (1 - β2) * db^2

    vdw(correct) = vdw / (1-β1^t) 

    vdb(correct) = vdb / (1-β1^t)

    Sdw(correct) = Sdw / (1-β2^t) 

    Sdb(correct) = Sdb / (1-β2^t)

    w: = w -  α *  vdw(correct)/(sqrt(Sdw(correct))+ε)

    b: = b - α * vdb(correct)/(sqrt( Sdb(correct) )+ε) 

   β1 = 0.9 

   β2 = 0.999 

   ε = 10^-8 

 

def update_parameters_with_Adam(parameter, grade, v, s, t, learning_rate, beta1=0.9, beta2=0.999, g=1e-8):
    
    L = len(parameter) // 2 
    
    for i in range(L):
        v['dW' + str(i + 1)] = (beta1 * v['dW' + str(i+1)] + (1 - beta1) * grade['dw' + str(i+1)]) / (1-beta1 ** t)
        v['db' + str(i + 1)] = (beta1 * v['db' + str(i + 1)] + (1 - beta1) * grade['db' + str(i + 1)]) / (1-beta1 ** t)

        s['dW' + str(i + 1)] = (beta2 * s['dW' + str(i + 1)] + (1 - beta2) * grade['dw' + str(i + 1)] ** 2) / (1-beta1 ** t)
        s['db' + str(i + 1)] = (beta2 * s['db' + str(i + 1)] + (1 - beta2) * grade['db' + str(i + 1)] ** 2) / (1-beta1 ** t)
        
        parameter['W' + str(i + 1)] = parameter['W' + str(i + 1)] - learning_rate*(v['dW' + str(i + 1)]) \
                                                                    / (s['dW' + str(i + 1)] + g)
        parameter['b' + str(i + 1)] = parameter['b' + str(i + 1)] - learning_rate * (v['db'] + str(i + 1)) \
                                                                    / (s['db' + str(i + 1)] + g)
        
    return v, s, parameter, grade 

 

6. Learning rate decay

根据迭代的次数,加快学习率的降低,使得样本参数更容易发生收敛,但是一般情况下不使用

3种更新α的公式

α =  1  / (1 + decay-rate * epoch-num) * α0  α0表示初始学习率, decay-rate 表示衰减层度, epoch-num 表示迭代次数
α = 0.95^epoch_num * α0 

α = k / sqrt(epoch_num) * α0 

 

 

 

 

 

      

 

   

 

posted on 2018-09-25 16:25  python我的最爱  阅读(846)  评论(0编辑  收藏  举报