机器学习（ML）十四之凸优化

Posted 2021-03-08 jaww

优化与深度学习

优化与估计

尽管优化方法可以最小化深度学习中的损失函数值，但本质上优化方法达到的目标与深度学习的目标并不相同。

• 优化方法目标：训练集损失函数值
• 深度学习目标：测试集损失函数值（泛化性）

 1 %matplotlib inline
 2 import sys
 3 import d2lzh1981 as d2l
 4 from mpl_toolkits import mplot3d # 三维画图
 5 import numpy as np
 6 def f(x): return x * np.cos(np.pi * x)
 7 def g(x): return f(x) + 0.2 * np.cos(5 * np.pi * x)
 8 
 9 d2l.set_figsize((5, 3))
10 x = np.arange(0.5, 1.5, 0.01)
11 fig_f, = d2l.plt.plot(x, f(x),label="train error")
12 fig_g, = d2l.plt.plot(x, g(x),‘--‘, c=‘purple‘, label="test error")
13 fig_f.axes.annotate(‘empirical risk‘, (1.0, -1.2), (0.5, -1.1),arrowprops=dict(arrowstyle=‘->‘))
14 fig_g.axes.annotate(‘expected risk‘, (1.1, -1.05), (0.95, -0.5),arrowprops=dict(arrowstyle=‘->‘))
15 d2l.plt.xlabel(‘x‘)
16 d2l.plt.ylabel(‘risk‘)
17 d2l.plt.legend(loc="upper right")

View Code

优化在深度学习中的挑战

1. 局部最小值
2. 鞍点
3. 梯度消失

局部最小值

 1 def f(x):
 2     return x * np.cos(np.pi * x)
 3 
 4 d2l.set_figsize((4.5, 2.5))
 5 x = np.arange(-1.0, 2.0, 0.1)
 6 fig,  = d2l.plt.plot(x, f(x))
 7 fig.axes.annotate(‘local minimum‘, xy=(-0.3, -0.25), xytext=(-0.77, -1.0),
 8                   arrowprops=dict(arrowstyle=‘->‘))
 9 fig.axes.annotate(‘global minimum‘, xy=(1.1, -0.95), xytext=(0.6, 0.8),
10                   arrowprops=dict(arrowstyle=‘->‘))
11 d2l.plt.xlabel(‘x‘)
12 d2l.plt.ylabel(‘f(x)‘);

View Code

鞍点

1 x = np.arange(-2.0, 2.0, 0.1)
2 fig, = d2l.plt.plot(x, x**3)
3 fig.axes.annotate(‘saddle point‘, xy=(0, -0.2), xytext=(-0.52, -5.0),
4                   arrowprops=dict(arrowstyle=‘->‘))
5 d2l.plt.xlabel(‘x‘)
6 d2l.plt.ylabel(‘f(x)‘);

View Code

 1 x, y = np.mgrid[-1: 1: 31j, -1: 1: 31j]
 2 z = x**2 - y**2
 3 
 4 d2l.set_figsize((6, 4))
 5 ax = d2l.plt.figure().add_subplot(111, projection=‘3d‘)
 6 ax.plot_wireframe(x, y, z, **{‘rstride‘: 2, ‘cstride‘: 2})
 7 ax.plot([0], [0], [0], ‘ro‘, markersize=10)
 8 ticks = [-1,  0, 1]
 9 d2l.plt.xticks(ticks)
10 d2l.plt.yticks(ticks)
11 ax.set_zticks(ticks)
12 d2l.plt.xlabel(‘x‘)
13 d2l.plt.ylabel(‘y‘);

View Code

梯度消失

1 x = np.arange(-2.0, 5.0, 0.01)
2 fig, = d2l.plt.plot(x, np.tanh(x))
3 d2l.plt.xlabel(‘x‘)
4 d2l.plt.ylabel(‘f(x)‘)
5 fig.axes.annotate(‘vanishing gradient‘, (4, 1), (2, 0.0) ,arrowprops=dict(arrowstyle=‘->‘))

View Code

凸性 （Convexity）

基础

集合

函数

 1 def f(x):
 2     return 0.5 * x**2  # Convex
 3 
 4 def g(x):
 5     return np.cos(np.pi * x)  # Nonconvex
 6 
 7 def h(x):
 8     return np.exp(0.5 * x)  # Convex
 9 
10 x, segment = np.arange(-2, 2, 0.01), np.array([-1.5, 1])
11 d2l.use_svg_display()
12 _, axes = d2l.plt.subplots(1, 3, figsize=(9, 3))
13 
14 for ax, func in zip(axes, [f, g, h]):
15     ax.plot(x, func(x))
16     ax.plot(segment, func(segment),‘--‘, color="purple")
17     # d2l.plt.plot([x, segment], [func(x), func(segment)], axes=ax)

View Code

Jensen 不等式

性质

1. 无局部极小值
2. 与凸集的关系
3. 二阶条件

无局部最小值

与凸集的关系

 1 x, y = np.meshgrid(np.linspace(-1, 1, 101), np.linspace(-1, 1, 101),
 2                    indexing=‘ij‘)
 3 
 4 z = x**2 + 0.5 * np.cos(2 * np.pi * y)
 5 
 6 # Plot the 3D surface
 7 d2l.set_figsize((6, 4))
 8 ax = d2l.plt.figure().add_subplot(111, projection=‘3d‘)
 9 ax.plot_wireframe(x, y, z, **{‘rstride‘: 10, ‘cstride‘: 10})
10 ax.contour(x, y, z, offset=-1)
11 ax.set_zlim(-1, 1.5)
12 
13 # Adjust labels
14 for func in [d2l.plt.xticks, d2l.plt.yticks, ax.set_zticks]:
15     func([-1, 0, 1])

View Code

凸函数与二阶导数

 1 def f(x):
 2     return 0.5 * x**2
 3 
 4 x = np.arange(-2, 2, 0.01)
 5 axb, ab = np.array([-1.5, -0.5, 1]), np.array([-1.5, 1])
 6 
 7 d2l.set_figsize((3.5, 2.5))
 8 fig_x, = d2l.plt.plot(x, f(x))
 9 fig_axb, = d2l.plt.plot(axb, f(axb), ‘-.‘,color="purple")
10 fig_ab, = d2l.plt.plot(ab, f(ab),‘g-.‘)
11 
12 fig_x.axes.annotate(‘a‘, (-1.5, f(-1.5)), (-1.5, 1.5),arrowprops=dict(arrowstyle=‘->‘))
13 fig_x.axes.annotate(‘b‘, (1, f(1)), (1, 1.5),arrowprops=dict(arrowstyle=‘->‘))
14 fig_x.axes.annotate(‘x‘, (-0.5, f(-0.5)), (-1.5, f(-0.5)),arrowprops=dict(arrowstyle=‘->‘))

View Code

限制条件

拉格朗日乘子法

惩罚项

投影