Gradient enişi maşın öyrənməsi (ML) modelləşdirməsində ən populyar optimallaşdırma texnikasıdır. Alqoritm proqnozlaşdırılan dəyərlər və əsas həqiqət arasındakı səhvi minimuma endirir. Texnika səhvi başa düşmək və minimuma endirmək üçün hər bir məlumat nöqtəsini nəzərə aldığından, onun performansı təlim məlumatlarının ölçüsündən asılıdır. Stochastic Gradient Descent (SGD) kimi üsullar hesablama performansını yaxşılaşdırmaq üçün nəzərdə tutulmuşdur, lakin yaxınlaşma dəqiqliyi bahasına.   Stochastic Average Gradient Tam Gradient Eniş və SGD kimi tanınan klassik yanaşmanı tarazlaşdırır və hər iki fayda təklif edir. Lakin alqoritmdən istifadə etməzdən əvvəl onun modelin optimallaşdırılması üçün əhəmiyyətini başa düşməliyik.   Maşın Öyrənmə Məqsədlərinin Gradient Enişi ilə Optimallaşdırılması  Hər bir ML alqoritmi modelin performansını minimuma endirmək və ya təkmilləşdirmək məqsədi daşıyan əlaqəli itki funksiyasına malikdir. Riyazi olaraq itki aşağıdakı kimi müəyyən edilə bilər: Bu, sadəcə olaraq faktiki və proqnozlaşdırılan çıxış arasındakı fərqdir və bu fərqi minimuma endirmək bizim modelimizin əsas həqiqət dəyərlərinə yaxınlaşması deməkdir.  Minimumlaşdırma alqoritmi itki funksiyasını keçmək və qlobal minimum tapmaq üçün gradient enişindən istifadə edir. Hər bir keçid addımı çıxışı optimallaşdırmaq üçün alqoritmin çəkilərinin yenilənməsini nəzərdə tutur.   Düz Gradient Eniş  Adi gradient eniş alqoritmi bütün verilənlər bazasında hesablanmış bütün qradiyentlərin ortasından istifadə edir. Tək bir təlim nümunəsinin həyat dövrü aşağıdakı kimi görünür:   Çəki yeniləmə tənliyi aşağıdakı kimi görünür: Burada   model çəkilərini,   isə model çəkisinə görə itki funksiyasının törəməsidir. Ənənəvi metod yüksək yaxınlaşma dərəcəsinə malikdir, lakin milyonlarla məlumat nöqtəsindən ibarət böyük verilənlər bazası ilə işləyərkən hesablama baxımından bahalı olur. W dJ/dW   Stokastik Qradient Eniş (SGD)  SGD metodologiyası adi GD ilə eyni qalır, lakin gradientləri hesablamaq üçün bütün verilənlər toplusundan istifadə etmək əvəzinə, girişlərdən kiçik bir partiyadan istifadə edir. Metod daha səmərəlidir, lakin qlobal minimum ətrafında çox hoplaya bilər, çünki hər bir iterasiya öyrənmə üçün məlumatların yalnız bir hissəsindən istifadə edir.   Stokastik Orta Qradient  Stokastik Orta Qradient (SAG) yanaşması GD və SGD arasında orta zəmin kimi təqdim edilmişdir. O, təsadüfi məlumat nöqtəsini seçir və onun dəyərini həmin nöqtədəki qradientə və həmin xüsusi məlumat nöqtəsi üçün saxlanılan keçmiş gradientlərin çəkili ortasına əsasən yeniləyir.  SGD kimi, SAG hər problemi qabarıq, diferensiallana bilən funksiyaların sonlu cəmi kimi modelləşdirir. İstənilən iterasiyada o, çəki yeniləməsi üçün indiki qradiyentlərdən və əvvəlki gradientlərin ortalamasından istifadə edir. Tənlik aşağıdakı formanı alır:    Konvergensiya dərəcəsi  İki məşhur alqoritm, tam gradient (FG) və stoxastik qradiyent enmə (SGD) arasında, FG alqoritmi hesablama üçün hər iterasiya zamanı bütün məlumat dəstindən istifadə etdiyi üçün daha yaxşı yaxınlaşma dərəcəsinə malikdir.  SAG-ın SGD-yə bənzər bir quruluşa malik olmasına baxmayaraq, onun yaxınlaşma dərəcəsi tam gradient yanaşma ilə müqayisə edilə bilər və bəzən daha yaxşıdır. Aşağıdakı Cədvəl 1 təcrübələrin nəticələrini ümumiləşdirir  .    Schmidt və s. al   Əlavə Dəyişikliklər  Təəccüblü performansına baxmayaraq, performansı yaxşılaşdırmaq üçün orijinal SGD alqoritminə bir neçə dəyişiklik təklif edilmişdir.    Alqoritm istiqaməti n (məlumat nöqtələrinin ümumi sayı) ilə normallaşdırdığı üçün ilk bir neçə iterasiya zamanı SAG yaxınlaşması yavaş qalır. Bu, alqoritm hələ çox məlumat nöqtəsini görmədiyi üçün qeyri-dəqiq qiymətləndirmə təmin edir. Modifikasiya n əvəzinə m ilə normallaşdırmağı təklif edir, burada m həmin xüsusi iterasiyaya qədər ən azı bir dəfə görülən məlumat nöqtələrinin sayıdır. Erkən İterasiyalarda Yenidən Ölçmə:    Stokastik Gradient yanaşması eyni vaxtda birdən çox məlumat nöqtəsini emal etmək üçün mini dəstələrdən istifadə edir. Eyni yanaşma SAG üçün də tətbiq oluna bilər. Bu, kompüterin səmərəliliyini artırmaq üçün vektorlaşdırma və paralelləşdirməyə imkan verir. O, həmçinin SAG alqoritmi üçün mühüm problem olan yaddaş yükünü azaldır. Mini-toplar:    Daha əvvəl qeyd olunan addım ölçüsü (116L) heyrətamiz nəticələr verir, lakin müəlliflər 1L addım ölçüsündən istifadə edərək daha da sınaqdan keçirdilər. Sonuncu daha yaxşı yaxınlaşma təmin etdi. Bununla belə, müəlliflər təkmilləşdirilmiş nəticələrin rəsmi təhlilini təqdim edə bilməyiblər. Onlar belə nəticəyə gəlirlər ki, konkret problem üçün optimal olanı tapmaq üçün addım ölçüsü ilə təcrübə aparılmalıdır. Addım ölçüsü təcrübəsi:   Son Düşüncələr  Gradient enişi, təqdim olunan məqsəd funksiyalarının qlobal minimumlarının yerləşdirilməsi üçün istifadə edilən məşhur optimallaşdırmadır. Alqoritm, funksiyanın yamacını ən aşağı nöqtəyə çatana qədər keçmək üçün məqsəd funksiyasının qradiyentindən istifadə edir.  Tam Qradient Eniş (FG) və Stokastik Qradient Eniş (SGD) alqoritmin iki məşhur variantıdır. FG hər iterasiya zamanı bütün verilənlər bazasından istifadə edir və yüksək hesablama dəyəri ilə yüksək yaxınlaşma dərəcəsini təmin edir. Hər iterasiyada SGD alqoritmi işə salmaq üçün verilənlərin alt dəstindən istifadə edir. Bu, daha səmərəlidir, lakin qeyri-müəyyən bir yaxınlaşma ilə.  Stochastic Average Gradient (SAG) hər iki əvvəlki alqoritmin faydalarını təmin edən başqa bir variasiyadır. O, aşağı hesablama ilə yüksək yaxınlaşma dərəcəsini təmin etmək üçün keçmiş qradiyentlərin orta göstəricisindən və verilənlər dəstinin bir hissəsindən istifadə edir. Alqoritm vektorlaşdırma və mini dəstələrdən istifadə etməklə onun səmərəliliyini artırmaq üçün daha da dəyişdirilə bilər.

This story contains new, firsthand information uncovered by the writer.

Every

Gradient

Read My Stories

Bu audio hekayənin orijinal dilində hazırlanmışdır!

Stokastik orta qradientin başa düşülməsi

About Author

ŞƏRHLƏR

ETİKET ASIN

BU MƏQALƏ TƏQDİM EDİLMİŞDİR

Related Stories

Women in Tech: Azize Sultan Shares Her Inspiring Journey from Architecture to Tech Leadership

How Azarus's Technology is Transforming Viewer Engagement on Stream

Optimizing Operations for Real Estate Investors - Interview with Startups of the Year Nominee, Azibo

Women in Tech: Azize Sultan Shares Her Inspiring Journey from Architecture to Tech Leadership

How Azarus's Technology is Transforming Viewer Engagement on Stream

Optimizing Operations for Real Estate Investors - Interview with Startups of the Year Nominee, Azibo

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps