Nesterov方法的python实现

Posted Reynold.C

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Nesterov方法的python实现相关的知识,希望对你有一定的参考价值。

牛顿动量法,相比于上一篇Momentum,不一样的地方是应用了临时更新

这里用python对其进行简单实现,如下:

# coding=utf-8
"""
基于小批量梯度下降来实现的Nesterov
参考:https://blog.csdn.net/bvl10101111/article/details/72615961
    相比于上一篇的Momentum,不一样的地方是应用了临时更新
@author: Reynold
@date: 2018-08-21
"""
import numpy as np
import random

# 构造训练数据
x = np.arange(0., 10., 0.2)
m = len(x)
x0 = np.full(m, 1.0)
input_data = np.vstack([x0, x]).T  # 将偏置b作为权向量的第一个分量
target_data = 3 * x + 8 + np.random.randn(m)

# 两种终止条件
max_iter = 10000
epsilon = 1e-5

# 初始化权值
np.random.seed(0)
w = np.random.randn(2)
v = np.zeros(2)  # 更新的速度参数

alpha = 0.001  # 步长
diff = 0.
error = np.zeros(2)
count = 0  # 循环次数

eps = 0.9  # 衰减力度,可以用来调节,该值越大那么之前的梯度对现在方向的影响也越大

while count < max_iter:
    count += 1

    sum_m = np.zeros(2)
    index = random.sample(range(m), int(np.ceil(m * 0.2)))
    sample_data = input_data[index]
    sample_target = target_data[index]

    # 应用临时更新,先更新一下参数w的值
    tmp_w = w + eps * v
    for i in range(len(sample_data)):
        dif = (np.dot(tmp_w, input_data[i]) - target_data[i]) * input_data[i]
        sum_m = sum_m + dif
    v = eps * v - alpha * sum_m  # 在这里进行速度更新
    w = w + v  # 使用动量来更新参数

    if np.linalg.norm(w - error) < epsilon:
        break
    else:
        error = w
print \'loop count = %d\' % count, \'\\tw:[%f, %f]\' % (w[0], w[1])

结果,由于数据量太小,相比于Momentum提升不是很大:

loop count = 437     w:[7.930222, 3.088267]

 

以上是关于Nesterov方法的python实现的主要内容,如果未能解决你的问题,请参考以下文章

各种优化方法总结比較(sgd/momentum/Nesterov/adagrad/adadelta)

常用python日期日志获取内容循环的代码片段

入门神经网络优化算法:Gradient Descent,Momentum,Nesterov accelerated gradient

有条件地导入 python 类的片段

ASP.net MVC 代码片段问题中的 Jqgrid 实现

Python代码阅读(第19篇):合并多个字典