一、數學優化
1.1 定義
Mathematical Optimization（數學優化）問題，亦稱最優化問題，是指在一定約束條件下，求解一個目標函式的最大值（或最小值）問題，
根據輸入變數 ?? 的值域是否為實數域，數學優化問題可以分為離散優化問題和連續優化問題．
在連續優化問題中，根據是否有變數的約束條件，可以將優化問題分為無約束優化問題和約束優化問題．
1.2 線性優化和非線性優化
- 如果目標函式和所有的約束函式都為線性函式，則該問題為線性規劃（Linear Programming）問題，
- 相反，如果目標函式或任何一個約束函式為非線性函式，則該問題為非線性規劃（Nonlinear Programming）問題，
1.3 凸優化
1.3.1 凸集和凸函式
在凸優化問題中，變數 ?? 的可行域為凸集（Convex Set），即對于集合中任意兩點，它們的連線全部位于集合內部，
目標函式 ?? 也必須為凸函式， 即滿足 
凸函式： 給定任意兩個點，函式的取值在兩點之間的取值，總是小于此兩點
1.3.2 其他性質
凸優化要求優化目標是凸函式，然而深度學習建模的往往是非凸的問題，因而，只在演算法收斂性證明性上有用，但實際訓練中用處不大，
1.4 深度學習優化
深度學習中大多數目標函式都很復雜，沒有決議解，所以必須使用數值優化演算法，
深度學習優化中最令人煩惱的是區域最小值、鞍點和梯度消失，
區域最小值
對于任何目標函式f(x)，如果在處x對應的值f(x)小于在x附近任意其他點的值，那么f(x)可能是區域最小值
鞍點（saddle point）
指函式的所有梯度都為0，但既不是全域最小值也不是區域最小值的任何位置，
假設函式輸入是k維向量，其輸出是標量，因此其Hessian矩陣將有k個特征值，函式的解可能是區域最小值、區域最大值或函式梯度為零位置處的鞍點：
- 當函式在零梯度位置處的Hessian矩陣的特征值全部為正值時(正定)，我們有該函式的區域最小值；
- 當函式在零梯度位置處的Hessian矩陣的特征值全部為負值時，我們有該函式的區域最大值；
- 當函式在零梯度位置處的Hessian矩陣的特征值為負值和正值時，我們有該函式的一個鞍點
這就是多變數微積分的結論，
二、梯度下降
2.1 方向導數推導GD
方向導數即，一個函式在給定方向的變化率（斜率，>0增加，<0減少），其實就是導數推廣到單位方向：簡而言之，給定函式點x，選擇在任意一個單位方向都求一個斜率來看函式的變化程度Δf(x+Δx)/Δx，
方向導數相當于是算，在給定點和方向的變化率，
如果你要爬升（上山），那么可定選最陡的方向，給定點，通過求方向的極值得到最優方向（區域），
梯度是方向導數取最大值的方向（負梯度，是衰減最厲害的方向）
2.2 泰勒級數啟發式推導GD
總結：泰勒一階展開，基于負梯度針對 \epsilon 構造遞減序列
方向導數：梯度是方向導數最大的方向，而負梯度則是函式值下降最快的方向
梯度下降啟發式
考慮一類連續可微實值函式 $ f: \mathbb{R} \rightarrow \mathbb{R} $，利用泰勒展開，可以得到
\[f(x + \epsilon) = f(x) + \epsilon f'(x) + \mathcal{O}(\epsilon^2) \]即在一階近似中，\(f(x + e)\)可通過x處的函式值f(x)和及其一階導數得出，
現在我們試圖構造出一個讓\(f(x)\)遞減的序列：
\[f(x + \epsilon) f(x) \]\[f(x + \epsilon) - f(x) =\epsilon f'(x) + \mathcal{O}(\epsilon^2) \]可以試圖將，$epsilon $設定為一個負的極小值 \(\eta\) 乘以梯度：
$ \epsilon = -\eta f'(x) $ 那么有，\(\eta\)設為固定步長，將其代入泰勒展開式以得到：$$ f(x - \eta f'(x)) = f(x) - \eta f'^2(x) + \mathcal{O}(\eta^2 f'^2(x))
$$
如果$ f(x)$ 的導數沒有消失，就能繼續展開，這是因為：$ f'^2(x)$ 此外，總是可令 $\eta $小到足以使高階項變得不相關，因此：
\[f(x - \eta f'(x)) - f(x) \]那么有, \(x\)為\(f(x)\)的引數，那么梯度下降則有：
\[x \leftarrow x - \eta f'(x) \]可假設\(x\)在負梯度方向上移動的會減少函式值，
學習率
在梯度下降中，我們首先選擇初引數始值和學習率常數，然后使用它們連續迭代，直到停止條件達成，
學習率（learning rate）決定目標函式能否收斂到區域最小值，以及何時收斂到最小值，
若學習率太小，將導致的更新非常緩慢代
若學習率太大，將導致的更新震蕩
import torch
import numpy as np
def f(x):
# 目標函式
f(x) = x^2
return x ** 2
def f_grad(x):
# 目標函式的梯度(導數)
return 2 * x
def gd(eta, f_grad):
x = 10.0 # 初始引數值
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)
2. 3多元梯度下降
多變數情況下的梯度下降，
考慮多元連續可微實值函式，輸入為
即目標函式將向量映射成標量 \(f: \mathbb{R}^d \to \mathbb{R}\)，相應地，它的梯度也是一個由個偏導陣列成的向量：$$ \nabla f(\mathbf{x}) = \bigg[\frac{\partial f(\mathbf{x})}{\partial x_1}, \frac{\partial f(\mathbf{x})}{\partial x_2}, \ldots, \frac{\partial f(\mathbf{x})}{\partial x_d}\bigg]^\top.$$
對多變數函式使用相應的一階泰勒近似來思考， 具體來說
\[f(\mathbf{x} + \boldsymbol{\epsilon}) = f(\mathbf{x}) + \mathbf{\boldsymbol{\epsilon}}^\top \nabla f(\mathbf{x}) + \mathcal{O}(\|\boldsymbol{\epsilon}\|^2). \]在epsilon的二階項中，函式下降最陡的方向由負梯度得出：$ -\nabla f(\mathbf{x})$ ，即在近似中，$ f(x + e)$ 可通過\(x\)處的函式值\(f(x)\)和一階導數\(f`(x)\)得出，
現在試圖，構造出一個讓f(x)遞減的序列：
可以試圖將 設定為一個負的極小值 \(\eta\) 乘以梯度：
未完待續
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/551633.html
標籤：其他
下一篇：返回列表