动量模型核心教程_动量守恒十大模型

动量梯度下降（Gradient Descent With Momentum），简称为动量方法（Momentum），运行速度几乎总是快于标准的梯度下降算法，并且能够解决随机梯度下降所遇到的山谷震荡以及鞍部停滞问题，这部分内容请阅读上一篇博客梯度下降算法。

根据梯度下降算法的参数更新公式：
$$w=w-\eta \frac{\partial L(w)}{\partial w}$$
参数的更新仅仅取决于当前位置的梯度以及步长，试想一下这样一个情境：我们将某一个物品往山谷里丢，在梯度下降算法的规则下，该物品仅仅收到当前触碰在它身上的力，而忽略其他的力，例如重力、空气阻力等等。我们可以把它想象成一张纸团。

• 山谷：在山谷中不可避免地撞在山壁，由于质量小受山壁弹力的干扰大，从一侧山壁反弹回来撞向另一侧山壁，结果来回震荡地滚下。
• 鞍部：纸团来到鞍部时，由于质量小，速度很快减为零，无法冲出鞍部区域。

如果此时，该物品拥有了大质量，例如是一个铁球，

• 山谷：那么它沿着山谷滚下时，就不容易受到途中旁力的干扰，轨迹会更稳更直。
• 鞍部：在惯性的作用下继续滚动，从而有机会冲出鞍部。

在中学物理中，刻画惯性的物理量是动量，这也是该算法名字的由来。沿山谷滚下的铁球会收到沿坡道向下的力和与左右山壁碰撞的弹力。向下的力（重力）稳定不变，产生的动量不断累积，速度越来越快；左右的弹力总是在不停切换，动量累积的结果是相互抵消，减弱了球的来回震荡。因此，与随机梯度下降相比，动量方法的收敛速度更快，收敛曲线也更稳定，见下图。

相比标准的梯度下降算法，动量梯度下降是算法将动量纳入了参数更新公式中。

【计算公式】：
$$v_t=\gamma v_{t-1}+\eta \frac{\partial L(w)}{\partial w}w=w-v_t$$
其中，$\gamma$ 是衰减系数，扮演阻力的作用。前进步伐 $v_t$ 由两部分组成：

• 标准的梯度下降算法部分，也就是步长乘上当前位置的梯度：$\eta \frac{\partial L(w)}{\partial w}$。
• 带衰减的前一次步伐 $v_{t-1}$。

在该公式中，惯性就体现在对前一次步伐信息的利用。类比中学物理知识，当前梯度就好比当前时刻受力产生的加速度，而步长则是时间，前一次步伐好比前一时刻的速度。标准梯度下降算法在每次行动时，都忽略前一时刻的速度，而重新根据当前时刻的加速度和时间来行走，因此当加速度趋于零时就很难继续移动。而动量方法则考虑前一时刻速度和当前加速度的共同作用。

不同的文献对于动量方法的计算公式也略有不同，吴恩达老师推荐使用下述的计算公式。
$$\begin{gathered} v_t=\beta v_{t-1}+(1-\beta )\frac{\partial L(w)}{\partial w} \\ w=w-\eta v_t \end{gathered}$$
至于孰优孰劣暂无定论，大家可各按喜好进行选择。

动量方法可以嵌入到标准的梯度下降算法中，例如使用动量的随机梯度下降、使用动量的批量梯度下降等等。无论对哪个梯度下降算法，加入动量后都可以加快收敛速度。对于随机梯度下降而言，还可以在一定程度上解决鞍部停滞问题。

【代码实现】：

def BatchGradientDescentM(x, y, step=0.001, iter_count=500, beta=0.9): length, features = x.shape # 初始化参数和动量以及整合 x' data = np.column_stack((x, np.ones((length, 1)))) w = np.zeros((features + 1, 1)) v = np.zeros((features + 1, 1)) # 开始迭代 for i in range(iter_count): # 计算动量 v = (beta * v + (1 - beta) * np.sum((np.dot(data, w) - y) * data, axis=0).reshape((features + 1, 1))) / length # 更新参数 w -= step * v return w 

同样，增量方法也可以嵌入到小批量梯度下降以及随机梯度下降算法中，具体代码请参考 传送门

我们也可以将这些算法都整合到一块，通过 batch_size 的大小来判断是批量梯度下降算法，还是随机梯度下降算法。

【代码实现】：

def Momentum(x, y, step=0.01, iter_count=1000, batch_size=4, beta=0.9): length, features = x.shape # 初始化参数和动量以及整合 x' data = np.column_stack((x, np.ones((length, 1)))) w = np.zeros((features + 1, 1)) v = np.zeros((features + 1, 1)) start, end = 0, batch_size # 开始迭代 for i in range(iter_count): v = (beta * v + (1 - beta) * np.sum((np.dot(data[start:end], w) - y[start:end]) * data[start:end], axis=0).reshape((features + 1, 1))) / length w -= step * v start = (start + batch_size) % length if start > length: start -= length end = (end + batch_size) % length if end > length: end -= length return w # 批量梯度下降 print(Momentum(x, y, batch_size=(x.shape[0] - 1))) # 输出： array([[5.00], [0. ]]) # 小批量梯度下降 Momentum(x, y, batch_size=5) # 输出： array([[4.], [1.]]) # 随机梯度下降 Momentum(x, y, batch_size=1) # 输出： array([[4.], [0.]]) 

牛顿动量

受 Nesterov 加速梯度算法启发，Sutskever 提出动量方法的一个变种。与 Momentum 不同的是，Nesterov 先用当前的速度更新参数，再用更新后的临时参数计算梯度。

【代码实现】：

def Nesterov(x, y, step=0.01, iter_count=1000, batch_size=4, beta=0.9): length, features = x.shape data = np.column_stack((x, np.ones((length, 1)))) w = np.zeros((features + 1, 1)) v = np.zeros((features + 1, 1)) start, end = 0, batch_size for i in range(iter_count): # 先更新参数 w_temp = w - step * v # 再计算梯度与速度 v = (beta * v + (1 - beta) * np.sum((np.dot(data[start:end], w_temp) - y[start:end]) * data[start:end], axis=0).reshape((features + 1, 1))) / length w -= step * v start = (start + batch_size) % length if start > length: start -= length end = (end + batch_size) % length if end > length: end -= length return w 

牛顿增量相当于添加了矫正因子的 Momentum 方法，在批量梯度下降算法中能进一步缩小误差，但对于随机梯度下降而言，牛顿增量没有任何改进。

参考

• 吴恩达老师的深度学习课程
• 《百面机器学习》- 深度学习中的动量
• 深度学习中的动量：https://blog.csdn.net/_/article/details/
• • Deep Learning 最优化方法之Nesterov(牛顿动量)：https://blog.csdn.net/bvl/article/details/