Momentum and NAG

目录

Momentum

Momentum的迭代公式为：

[v_t = gamma v_{t-1} + eta abla_ heta J( heta) \ heta= heta-v_t ]

其中(J(cdot))一般为损失函数。我们知道，一般的梯度下降，是没有(gamma v_{t-1})这一项的，有了这一项之后，( heta)的更新和前一次更新的路径有关，使得每一次更新的方向不会出现剧烈变化，所以这种方法在函数分布呈梭子状的时候非常有效。
在这里插入图片描述
先来看看这个函数利用梯度下降的效果吧。

import matplotlib.pyplot as plt
import numpy as np


"""
z = x^2 + 50 y ^2
2x
100y
"""

partial_x = lambda x: 2 * x
partial_y = lambda y: 100 * y
partial = lambda x: np.array([partial_x(x[0]),
                              partial_y(x[1])])
f = lambda x: x[0] ** 2 + 50 * x[1] ** 2




class Decent:
    def __init__(self, function):
        self.__function = function

    @property
    def function(self):
        return self.__function

    def __call__(self, x, grad, alpha=0.4, beta=0.7):
        t = 1
        fx = self.function(x)
        dist = - grad @ grad
        while True:
            dx = x - t * grad
            fdx = self.function(dx)
            if fdx <= fx + alpha * t * dist:
                break
            else:
                t *= beta
        return dx


grad_decent = Decent(f)

x = np.array([30., 15.])
process = []
while True:
    grad = partial(x)
    if np.sqrt(grad @ grad) < 1e-7:
        break
    else:
        process.append(x)
        x = grad_decent(x, grad)

process = np.array(process)
print(len(process))
x = np.linspace(-40, 40, 1000)
y = np.linspace(-20, 20, 500)
fig, ax= plt.subplots()
X, Y = np.meshgrid(x, y)
ax.contour(X, Y, f([X, Y]), colors='black')
ax.plot(process[:, 0], process[:, 1])
plt.show()

在这里插入图片描述
怎么说呢，有点震荡？289步1e-7的误差


x = np.array([30., 15.])
process = []
v = 0
gamma = 0.7
eta = 0.016
while True:
    grad = partial(x)
    v = gamma * v + eta * grad
    if np.sqrt(grad @ grad) < 1e-7:
        break
    else:
        process.append(x)
        x = x - v

在这里插入图片描述
用117步，话说，这个参数是不是难调啊，感觉一般(eta)很小啊。

还有一个很赞的分析，在博客：
路遥知马力-Momentum
在这里插入图片描述

Nesterov accelerated gradient

比Momentum更快：揭开Nesterov Accelerated Gradient的真面目

NGD的迭代公式是：

[v_t = gamma v_{t-1} + eta abla_ heta J( heta - gamma v_{t-1}) \ heta = heta-v_t ]

和上面的区别就是，第(t)步更新，我们关心的是下一步(一个近似）的梯度，而不是当前点的梯度，我之前以为这是有一个搜索的过程的，但是实际上没有，所以真的是这个式子具有前瞻性？或许真的和上面博客里说的那样，因为后面的部分可以看成一个二阶导的近似。

x = np.array([30., 15.])
process = []
v = 0
gamma = 0.7
eta = 0.013
while True:
    grad = partial(x-gamma*v)
    v = gamma * v + eta * grad
    if np.sqrt(grad @ grad) < 1e-7:
        break
    else:
        process.append(x)
        x = x - v

在这里插入图片描述

感觉没有momentum好用啊

NESTEROV 的另外一个方法？

在那个overview里面，引用的是

文献链接

但是里面的方面感觉不是NGD啊，不过的确是一种下降方法，所以讲一下吧。

假设(f(x))满足其一阶导函数一致连续的凸函数，比如用以下条件表示：

[|f'(x)-f'(y)| le L|x-y|, forall x, y in E ]

由此可以推得(不晓得这个0.5哪来的，虽然有点像二阶泰勒展式，但是呢，凸函数好像没有这性质吧，去掉0.5就可以直接证出来了，而且这个0.5对证明没有什么大的影响吧，因为只要让L=0.5L就可以了啊)：

[f(y) le f(x) + <f'(x), y-x>+0.5L|y-x|^2 quad (2) ]

为了解决(min {f(x)|xin E})，且最优解(X^*)非空的情况，我们可以：

  1. 首先选择一个点(y_0 in E),并令

[k=0, a_0=1, x_{-1}=y_0, alpha_{-1}=|y_0-z|/|f'(y_0)-f'(z)| ]

其中(z)是E中不同于(y_0)的任意点，且(f'(y_0) e f'(z))

  1. 第k 步：
    a) 计算最小的(i)满足：

    []

    []

    []

    a_{k+1} = (1+ sqrt{4a_k^2 + 1})/2
    y_{k+1} = x_k + (a_k - 1)(x_k - x_{k-1}) / a_{k+1} .

    [ ]

即在满足上面提到的假设，且利用上面给出的方法所求，可以证明，对于任意的(kge 0):

[f(x_k) - f^* le C / (k+2)^2 ]

其中(C = 4L|y_0 - x^*|^2)并且(f^*=f(x^*), x^* in X^*)。
还有一些关于收敛步长的分析就不贴了。

证明：

令(y_k(alpha) - alpha f'(y_k)), 可以得到(通过(2))：

[f(y_k) - f(y_k (alpha)) ge 0.5 alpha (2 - alpha L) |f'(y_k)|^2 ]

结果就是， 只要(2^{-i} alpha_{k-1} le L^{-1})，不等式(4)就成立，也就是说(alpha_k ge 0.5L^{-1}， forall k ge 0), 否则(2^{-i} alpha_{k-1} > L^{-1})。
令(p_l = (a_k-1)(x_{k-1}-x_k))，则(y_{k+1}=x_k - p_k / a_{k+1}),于是：

[p_{k+1} - x_{k+1} = p_k - x_k + a_{k+1} alpha_{k+1} f'(y_{k+1}) ]

于是：

[egin{array}{ll} |p_{k+1}-x_{k+1}+x^*|^2 &= |p_k - x_k + x^*|^2 + 2(a_{k+1}-1)alpha_{k+1} <f'(y_{k+1}, p_k> \ & + 2a_{k+1} alpha_{k+1} <f'(y_{k+1}, x^* - y_{k+1}> + a_{k+1}^2 alpha_{k+1}^2 |f'(y_{k+1})|^2 end{array} ]

利用不等式(4)和(f(x))的凸性，可得：

[egin{array}{ll} <f'(y_{k+1}), y_{k+1} - x^*> &ge f(x_{k+1}) - f^* + 0.5 alpha_{k+1} |f'(y_{k+1})|^2 (5)\ 0.5 alpha_{k+1} |f'(y_{k+1})|^2 &le f(y_{k+1}) - f(x_{k+1}) le f(x_k) - f(x_{k+1}) \ & quad -a_{k+1}^{-1} <f'(y_{k+1}, p_k> (6) end{array} ]

其中第一个不等式，先利用凸函数得性质：

[f^* ge f(y_{k+1}) + <f'(y_{k+1}), x^*-y_{k+1}) ]

再利用不等式(4):

[f(y_{k+1}) - f(x_{k+1}) ge 0.5 alpha_{k+1}|f'(y_{k+1})|^2 ]

代入这俩个不等式可得：

[egin{array}{ll} & |p_{k+1} - x_{k+1}+x^*|^2 - |p_k - x_k + x^*|^2 le 2(a_{k+1}-1)alpha_{k+1}<f'(y_{k+1}), p_k> \ & quad -2a_{k+1}alpha_{k+1} (f(x_{k+1} - f^*) + (a_{k+1}^2 - a_{k+1})alpha_{k+1}^2 |f'(y_{k+1})|^2 \ & quad le -2a_{k+1} alpha_{k+1} (f (x_{k+1}) - f^*) + 2(a_{k+1}^2 - a_{k+1}) alpha_{k+1}(f(x_k)-f(x_{k+1})) \ & quad = 2alpha_{k+1} a_k^2 (f(x_k)-f^*) - 2alpha_{k+1} a_{k+1}^2 (f(x_{k+1}） - f^*) \ & quad le 2alpha_k a_k^2 (f(x_k)-f^*) - 2alpha_{k+1} a_{k+1}^2 (f(x_{k+1}) -f^*) end{array} ]

其中第一个不等式用到了(5), 第二个不等式用到了(6), 等式用到了(a_{k+1}^2-a_{k+1}=a_k^2),最后一步用到了(alpha_k le alpha_{k+1})且(f(x_k) ge f^*)。

因此：

[egin{array}{ll} & 2alpha_{k+1}a_{k+1}^2 ( f(x_{k+1}) - f^*) le 2alpha_{k+1} a_{k+1}^2 (f(x_{k+1})-f^*) + |p_{k+1}-x_{k+1} + x^*|^2 \ & le 2 alpha_k a_k (f(x_k)-f^*) + |p_k -x_k + x^*|^2 \ & le 2alpha_0 a_0^2 (f(x_0) - f^*) + |p_0 - x_0 + x^*|^2 le |y_0-x^*|^2. end{array} ]

最后一个不等式成立是因为(p_0 = 0, x_0=y_0),左边第一项大于等于0.
又(alpha_k ge 0.5L^{-1}, a_{k+1}ge a_k + 0.5 ge 1 + 0.5(k+1))，所以：

[f(x_{k+1}) - f^* le C/(k+3)^2 ]

证毕。


class Decent:
    def __init__(self, function, grad):
        self.__function = function
        self.__grad = grad
        self.process = []

    @property
    def function(self):
        return self.__function

    @property
    def grad(self):
        return self.__grad

    def __call__(self, y, z):
        def find_i(y, alpha):
            i = 0
            fy = self.function(y)
            fdy = self.grad(y)
            fdynorm = fdy @ fdy
            while True:
                temp = self.function(y - 2 ** (-i) * alpha * fdy)
                if fy - temp > 2 ** (-i -1) * alpha * fdynorm:
                    return i, fdy
                else:
                    i += 1
        a = 1
        x = y
        fdy = self.grad(y)
        fdz = self.grad(z)
        alpha = np.sqrt((y-z) @ (y-z) /
                        (fdy-fdz) @ (fdy - fdz))
        k = 0
        while True:
            k += 1
            self.process.append(x)
            i, fdy = find_i(y, alpha)
            if np.sqrt(fdy @ fdy) < 1:
                print(k)
                return x
            alpha = 2 ** (-i) * alpha
            x_old = np.array(x, dtype=float)
            x = y - alpha * fdy
            a_old = a
            a = (1 + np.sqrt(4 * a ** 2 + 1)) / 2
            y = x + (a_old - 1) * (x - x_old) / a







grad_decent = Decent(f, partial)

x = np.array([30., 15.])
z = np.array([200., 10.])
grad_decent(x, z)
process = np.array(grad_decent.process)
x = np.linspace(-40, 40, 1000)
y = np.linspace(-20, 20, 500)
X, Y = np.meshgrid(x, y)
fig, ax = plt.subplots()
ax.contour(X, Y, f([X, Y]), colors="black")
ax.scatter(process[:, 0], process[:, 1])
ax.plot(process[:, 0], process[:, 1])
plt.show()

在这里插入图片描述

用了30步就能到达上面的情况，不过呢，如果想让(|f'(x)|le 1e-7)得1000多步，主要是因为会来回振荡。

【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/MTandHJ/p/10888561.html