Question

假设我有一个非常简单的神经网络，比如多层感知器。对于每一层，激活功能都是sigmoid，网络是完全连接的。

在TensorFlow中，这可能是这样定义的：

    sess = tf.InteractiveSession()

    # Training Tensor
    x = tf.placeholder(tf.float32, shape = [None, n_fft])
    # Label Tensor
    y_ = tf.placeholder(tf.float32, shape = [None, n_fft])

    # Declaring variable buffer for weights W and bias b
    # Layer structure [n_fft, n_fft, n_fft, n_fft]
    # Input -> Layer 1
    struct_w = [n_fft, n_fft]
    struct_b = [n_fft]
    W1 = weight_variable(struct_w, 'W1')
    b1 = bias_variable(struct_b, 'b1')
    h1 = tf.nn.sigmoid(tf.matmul(x, W1) + b1)

    # Layer1 -> Layer 2
    W2 = weight_variable(struct_w, 'W2')
    b2 = bias_variable(struct_b, 'b2')
    h2 = tf.nn.sigmoid(tf.matmul(h1, W2) + b2)

    # Layer2 -> output
    W3 = weight_variable(struct_w, 'W3')
    b3 = bias_variable(struct_b, 'b3')
    y = tf.nn.sigmoid(tf.matmul(h2, W3) + b3)

    # Calculating difference between label and output using mean square error
    mse = tf.reduce_mean(tf.square(y - y_))

    # Train the Model
    # Gradient Descent
    train_step = tf.train.GradientDescentOptimizer(0.3).minimize(mse)

此模型的设计目标是将n_fft点fft频谱图映射到另一个n_fft目标频谱图。假设训练数据和目标数据的大小为[3000, n_fft]。它们存储在变量spec_train和spec_target。

中

现在问题来了。对于TensorFlow，这两种培训有什么区别吗？

培训1：

for i in xrange(200):
        train_step.run(feed_dict = {x: spec_train, y_: spec_target})

培训2：

for i in xrange(200):
        for j in xrange(3000):
            train = spec_train[j, :].reshape(1, n_fft)
            label = spec_target[j, :].reshape(1, n_fft)
            train_step.run(feed_dict = {x: train, y_: label})

非常感谢！

Answer 1

在第一个培训版本中，您将一次训练整批训练数据，这意味着spec_train的第一个和第3000个元素将在一个步骤中使用相同的模型参数进行处理。这称为（批量）渐变下降。

在第二个培训版本中，您将立即从训练数据中训练一个示例，这意味着将使用自第一个元素以来已更新2999次的模型参数处理spec_train的第3000个元素最近处理过。这被称为随机梯度下降（或者如果元素是随机选择的话）。

通常，TensorFlow与数据集一起使用，这些数据集太大而无法在一个批处理中处理，因此小批量SGD（其中一个示例的子集在一个步骤中处理）受到青睐。理论上一次处理单个元素是理想的，但是本质上是顺序的并且具有高的固定成本，因为矩阵乘法和其他操作不是计算密集的。因此，一次处理小批量（例如32或128）的例子是通常的方法，并行不同批次的多个副本培训。

请参阅此Stats StackExchange question，了解何时应该使用一种方法与另一种方法的更多理论讨论。

Answer 2

是的，有区别。我认为第二种方式损失功能可能有点凌乱。这更像是在线培训。对于整批中的每个数据点，您将更新所有参数。但是在第一种方式中，它被称为批处理梯度，您可以一次取一批并获取平均损失，然后更新参数。

请参阅此链接的 https://stats.stackexchange.com/questions/49528/batch-gradient-descent-versus-stochastic-gradient-descent 这个链接的第一个答案非常好

TensorFlow培训

2 个答案: