优化算法-从梯度下降到深度学习非凸优化

一、数学优化

1.1 定义

Mathematical Optimization(数学优化)问题,亦称最优化问题,是指在一定约束条件下,求解一个目标函数的最大值(或最小值)问题。

image

根据输入变量 ? 的值域是否为实数域,数学优化问题可以分为离散优化问题连续优化问题

在连续优化问题中,根据是否有变量的约束条件,可以将优化问题分为无约束优化问题约束优化问题

1.2 线性优化和非线性优化

  • 如果目标函数和所有的约束函数都为线性函数,则该问题为线性规划(Linear Programming)问题
  • 相反,如果目标函数或任何一个约束函数为非线性函数,则该问题为非线性规划(Nonlinear Programming)问题

在非线性优化问题中,有一类比较特殊的问题是凸优化(Convex Optimization)问题。

1.3 凸优化

image

1.3.1 凸集和凸函数

在凸优化问题中,变量 ? 的可行域为凸集(Convex Set),即对于集合中任意两点,它们的连线全部位于集合内部。

image

凸集的并集也是凸集。

image

目标函数 ? 也必须为凸函数, 即满足 image
凸函数: 给定任意两个点,函数的取值在两点之间的取值,总是小于此两点

image

1.3.2 其他性质

image

image

image
凸优化要求优化目标是凸函数,然而深度学习建模的往往是非凸的问题。因而,只在算法收敛性证明性上有用,但实际训练中用处不大。

1.4 深度学习优化

深度学习中大多数目标函数都很复杂,没有解析解,所以必须使用数值优化算法。

深度学习优化中最令人烦恼的是局部最小值、鞍点和梯度消失。

局部最小值

对于任何目标函数f(x),如果在处x对应的值f(x)小于在x附近任意其他点的值,那么f(x)可能是局部最小值

鞍点(saddle point)

指函数的所有梯度都为0,但既不是全局最小值也不是局部最小值的任何位置。
image
假设函数输入是k维向量,其输出是标量,因此其Hessian矩阵将有k个特征值。函数的解可能是局部最小值、局部最大值或函数梯度为零位置处的鞍点:

  • 当函数在零梯度位置处的Hessian矩阵的特征值全部为正值时(正定),我们有该函数的局部最小值;
  • 当函数在零梯度位置处的Hessian矩阵的特征值全部为负值时,我们有该函数的局部最大值;
  • 当函数在零梯度位置处的Hessian矩阵的特征值为负值和正值时,我们有该函数的一个鞍点
    这就是多变量微积分的结论。

二、梯度下降

2.1 方向导数推导GD

方向导数即,一个函数在给定方向的变化率(斜率,>0增加,<0减少),其实就是导数推广到单位方向:简而言之,给定函数点x,选择在任意一个单位方向都求一个斜率来看函数的变化程度Δf(x+Δx)/Δx。
image

方向导数相当于是算,在给定点和方向的变化率。

如果你要爬升(上山),那么可定选最陡的方向。给定点,通过求方向的极值得到最优方向(局部)。
梯度是方向导数取最大值的方向(负梯度,是衰减最厉害的方向)

2.2 泰勒级数启发式推导GD

总结:泰勒一阶展开,基于负梯度针对 \epsilon 构造递减序列

方向导数:梯度是方向导数最大的方向,而负梯度则是函数值下降最快的方向

梯度下降启发式

考虑一类连续可微实值函数 $ f: \mathbb{R} \rightarrow \mathbb{R} $。利用泰勒展开,可以得到

\[f(x + \epsilon) = f(x) + \epsilon f'(x) + \mathcal{O}(\epsilon^2)
\]

即在一阶近似中,\(f(x + e)\)可通过x处的函数值f(x)和及其一阶导数得出。

现在我们试图构造出一个让\(f(x)\)递减的序列:

\[f(x + \epsilon) f(x)
\]

\[f(x + \epsilon) - f(x) =\epsilon f'(x) + \mathcal{O}(\epsilon^2)
\]

可以试图将,$epsilon $设置为一个负的极小值 \(\eta\) 乘以梯度:
$ \epsilon = -\eta f'(x) $ 那么有,\(\eta\)设为固定步长,将其代入泰勒展开式以得到:$$ f(x - \eta f'(x)) = f(x) - \eta f'^2(x) + \mathcal{O}(\eta^2 f'^2(x))
$$

如果$ f(x)$ 的导数没有消失,就能继续展开,这是因为:$ f'^2(x)$ 此外,总是可令 $\eta $小到足以使高阶项变得不相关。因此:

\[f(x - \eta f'(x)) - f(x)
\]

那么有, \(x\)\(f(x)\)的参数,那么梯度下降则有:

\[x \leftarrow x - \eta f'(x)
\]

可假设\(x\)在负梯度方向上移动的会减少函数值。

学习率

在梯度下降中,我们首先选择初参数始值和学习率常数,然后使用它们连续迭代,直到停止条件达成。

学习率(learning rate)决定目标函数能否收敛到局部最小值,以及何时收敛到最小值。

若学习率太小,将导致的更新非常缓慢代
image

若学习率太大,将导致的更新震荡
image

import torch
import numpy as np

def f(x):  
    # 目标函数 
    f(x) = x^2   
    return x ** 2

def f_grad(x): 
    # 目标函数的梯度(导数)
    return 2 * x

def gd(eta, f_grad):
    x = 10.0  # 初始参数值
    results = [x]
    for i in range(10):
        x = x - eta * f_grad(x)
        results.append(float(x))
        print(f'epoch 10, x: {x:f}')
    return results

results = gd(0.2, f_grad)

image

2. 3多元梯度下降

多变量情况下的梯度下降。
考虑多元连续可微实值函数,输入为

\[\mathbf{x} = [x_1, x_2, \ldots, x_d]
\]

即目标函数将向量映射成标量 \(f: \mathbb{R}^d \to \mathbb{R}\)。相应地,它的梯度也是一个由个偏导数组成的向量:$$ \nabla f(\mathbf{x}) = \bigg[\frac{\partial f(\mathbf{x})}{\partial x_1}, \frac{\partial f(\mathbf{x})}{\partial x_2}, \ldots, \frac{\partial f(\mathbf{x})}{\partial x_d}\bigg]^\top.$$

对多变量函数使用相应的一阶泰勒近似来思考。 具体来说

\[f(\mathbf{x} + \boldsymbol{\epsilon}) = f(\mathbf{x}) + \mathbf{\boldsymbol{\epsilon}}^\top \nabla f(\mathbf{x}) + \mathcal{O}(\|\boldsymbol{\epsilon}\|^2).
\]

在epsilon的二阶项中,函数下降最陡的方向由负梯度得出:$ -\nabla f(\mathbf{x})$ 。即在近似中,$ f(x + e)$ 可通过\(x\)处的函数值\(f(x)\)和一阶导数\(f`(x)\)得出。

现在试图,构造出一个让f(x)递减的序列:
可以试图将 设置为一个负的极小值 \(\eta\) 乘以梯度:

image

\[\mathbf{x}^{(t+1)} = \mathbf{x}^{(t)} -\mathbf{H}^{-1} \nabla f(\mathbf{x}).
\]

未完待续

原文链接:https://www.cnblogs.com/justLittleStar/p/17348120.html

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:优化算法-从梯度下降到深度学习非凸优化 - Python技术站

(0)
上一篇 2023年5月4日
下一篇 2023年5月5日

相关文章

  • 卷积层的优点

    值得再度好多遍:https://www.cnblogs.com/wj-1314/p/9593364.html 摘抄自‘ 战争热诚’ 的博文   权值共享:    下图左:如果我们有1000×1000像素的图像,有1百万个隐层神经元,那么他们全连接的话(每个隐层神经元都连接图像的每一个像素点),就有1000x1000x1000000=10^12个连接,也就是1…

    2023年4月8日
    00
  • 卷积神经网络中卷积层和池化层

    卷积神经网络中卷积层和池化层 https://www.cnblogs.com/wj-1314/p/9593364.html 为什么要使用卷积呢?  在传统的神经网络中,比如多层感知机(MLP),其输入通常是一个特征向量,需要人工设计特征,然后将这些特征计算的值组成特征向量,在过去几十年的经验来看,人工找到的特征并不是怎么好用,有时多了,有时少了,有时选择的特…

    卷积神经网络 2023年4月8日
    00
  • 对抗机器学习:Generating Adversarial Malware Examples for Black-box Attacks Based on GAN

    论文url https://arxiv.org/pdf/1702.05983.pdf @article{hu2017generating,title={Generating adversarial malware examples for black-box attacks based on GAN},author={Hu, Weiwei and Tan, …

    GAN生成对抗网络 2023年4月7日
    00
  • Jetson tx2的tensorflow keras环境搭建

    其实我一直都在想,搞算法的不仅仅是服务,我们更是要在一个平台上去实现服务,因此,在工业领域,板子是很重要的,它承载着无限的机遇和挑战,当然,我并不是特别懂一些底层的东西,但是这篇博客希望可以帮助有需要的人。 首先我们回到原点,就是jetpack 3.3刷完机后,现在要装tensorflow和keras。自然的,我们可以想到,需要 miniconda或anac…

    2023年4月6日
    00
  • keras模型可视化问题记录(pydot-ng、graphviz)-windows10

    目录 1. keras模型可视化函数 2. 问题解决 plot_model函数依赖 pydot-ng 和 graphviz,若运行出现错误,则需要安装这两个包: 1. keras模型可视化函数 keras.utils.vis_utils模块提供了可视化Keras模型的函数plot_model,可将模型summary信息以图片形式输出。使用方式如下: from…

    Keras 2023年4月5日
    00
  • keras_基本网络层结构(1)_常用层

    参考文献:  https://blog.csdn.net/sinat_26917383/article/details/72857454     http://keras-cn.readthedocs.io/en/latest/layers/core_layer/ keras中文文档 常用层 常用层对应于core模块,core内部定义了一系列常用的网络层,包…

    2023年4月7日
    00
  • 【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 6_Logistic Regression 逻辑回归

      Lecture6 Logistic Regression 逻辑回归 6.1 分类问题 Classification6.2 假设表示 Hypothesis Representation6.3 决策边界 Decision Boundary6.4 代价函数 Cost Function6.5 简化的代价函数和梯度下降 Simplified Cost Functi…

    机器学习 2023年4月15日
    00
  • tensorflow函数解析: tf.Session() 和tf.InteractiveSession()

    链接如下: http://stackoverflow.com/questions/41791469/difference-between-tf-session-and-tf-interactivesession Question: Questions says everything, for taking sess=tf.Session() and sess…

    tensorflow 2023年4月8日
    00
合作推广
合作推广
分享本页
返回顶部