1 小批量梯度下降（Mini-Batch Gradient Descent, MBGD）
- 1.1划分数据集为多个小批量。
- 1.2前向传播：对于每个小批量中的所有样本进行一次前向传播，得到预测输出。
- 1.3计算损失：然后计算这些预测输出相对于真实标签的总损失。通常是累加每个样本的损失来完成。
- 1.4反向传播：执行反向传播以计算当前小批量上损失函数关于模型参数的梯度，这是通过自动微分工具自动完成，它会为每一个参数计算出一个梯度值。
- 1.5计算平均梯度
- 前向传播：对于一个给定的小批量（mini-batch）,假设包含m个样本。对于每个样本 x i {x}_{i} xi，通过前向传播计算出预测值 y i ^ = f ( x i ; θ ) \hat{{y}_{i}}=f({x}_{i};\theta) yi^=f(xi;θ)。 y i ^ \hat{{y}_{i}} yi^是关于样本值和模型参数的函数。
- 计算损失：基于预定义的损失函数计算预测值和标签值的差异，即损失。损失函数形式为： J ( x i , y i ; θ ) = L ( y i ^ , y i ) J({x}_{i},{y}_{i};\theta)=L(\hat{{y}_{i}}, {y}_{i}) J(xi,yi;θ)=L(yi^,yi)。 J J J是关于 ( y i ^ , y i ) (\hat{{y}_{i}}, {y}_{i}) (yi^,yi)的函数。
- 反向传播：基于链式法则，从输出层开始，逐层向后计算梯度。具体来说，对于每一层的参数 θ j \theta_{j} θj，计算该参数的梯度 ∇ θ j J ( x i , y i ; θ j ) \nabla_{\theta_{j}}J({x}_{i},{y}_{i};\theta_{j}) ∇θjJ(xi,yi;θj)
∂ L ∂ θ j = ∂ L ∂ y ^ ⋅ ∂ y ^ ∂ θ j \frac{\partial L}{\partial \theta_{j}}=\frac{\partial L}{\partial \hat{y}} \cdot \frac{\partial \hat{y}}{\partial \theta_{j}} ∂θj∂L=∂y^∂L⋅∂θj∂y^
由于每个小批量有多个样本，反向传播会得到一组梯度值，最终结果取梯度的平均值。
∇ θ j J ˉ = 1 m ∑ i = 1 m ∇ θ j J ( x i , y i ; θ j ) \nabla_{\theta_{j}}\bar{J}=\frac{1}{m}\sum_{i=1}^{m}\nabla_{\theta_{j}}J({x}_{i},{y}_{i};\theta_{j}) ∇θjJˉ=m1∑i=1m∇θjJ(xi,yi;θj) - 参数更新：基于上述计算出的平均梯度更新模型参数。对于每个参数 θ j \theta_{j} θj，按照以下公式进行更新：
θ j : = θ j − ϵ ∇ θ j J ˉ \theta_{j} :=\theta_{j} - \epsilon\nabla_{\theta_{j}}\bar{J} θj:=θj−ϵ∇θjJˉ，其中 ϵ \epsilon ϵ是模型学习率。
2 带动量的梯度下降
- 2.1设置学习率 ϵ \epsilon ϵ和动量参数 α \alpha α。
- 2.2 计算当前小批量的平均梯度
g = 1 m ∑ i = 1 m ∇ θ j J ( x i , y i ; θ j ) g=\frac{1}{m}\sum_{i=1}^{m}\nabla_{\theta_{j}}J({x}_{i},{y}_{i};\theta_{j}) g=m1∑i=1m∇θjJ(xi,yi;θj) - 2.3 计算速度更新
ν ← α ν − ϵ g \nu \gets \alpha\nu - \epsilon g ν←αν−ϵg - 2.4更新参数
θ ← θ + ν \theta \gets \theta + \nu θ←θ+ν
