在阅读深度学习模型的tensorflow实现时,我试图理解培训过程中包含的以下代码段 .
self.net.gradients_node = tf.gradients(loss, self.variables)
for epoch in range(epochs):
total_loss = 0
for step in range((epoch*training_iters), ((epoch+1)*training_iters)):
batch_x, batch_y = data_provider(self.batch_size)
# Run optimization op (backprop)
_, loss, lr, gradients = sess.run((self.optimizer, self.net.cost, self.learning_rate_node, self.net.gradients_node),
feed_dict={self.net.x: batch_x,
self.net.y: util.crop_to_shape(batch_y, pred_shape),
self.net.keep_prob: dropout})
if avg_gradients is None:
avg_gradients = [np.zeros_like(gradient) for gradient in gradients]
for i in range(len(gradients)):
avg_gradients[i] = (avg_gradients[i] * (1.0 - (1.0 / (step+1)))) + (gradients[i] / (step+1))
norm_gradients = [np.linalg.norm(gradient) for gradient in avg_gradients]
self.norm_gradients_node.assign(norm_gradients).eval()
total_loss += loss
我认为这与小批量梯度下降有关,但我无法理解它是如何工作的,或者我将它连接到如下所示的算法有一些困难
1 回答
这与迷你批次SGD无关 .
它计算所有时间步长的平均梯度 . 在第一个时间步后
avg_gradients
将包含刚刚计算的梯度,在第二步之后它将是来自两个步骤的两个梯度的元素均值,在n
步之后它将是到目前为止计算的所有n
梯度的元素均值 . 然后将这些平均梯度归一化(使得它们的范数为1) . 很难说出为什么在没有它们呈现的背景下需要那些平均梯度 .