# 7.6 RMSProp算法
我們在7.5節(AdaGrad算法)中提到,因為調整學習率時分母上的變量`$ \boldsymbol{s}_t $`一直在累加按元素平方的小批量隨機梯度,所以目標函數自變量每個元素的學習率在迭代過程中一直在降低(或不變)。因此,當學習率在迭代早期降得較快且當前解依然不佳時,AdaGrad算法在迭代后期由于學習率過小,可能較難找到一個有用的解。為了解決這一問題,RMSProp算法對AdaGrad算法做了一點小小的修改。該算法源自Coursera上的一門課程,即“機器學習的神經網絡” [1]。
## 7.6.1 算法
我們在7.4節(動量法)里介紹過指數加權移動平均。不同于AdaGrad算法里狀態變量`$ \boldsymbol{s}_t $`是截至時間步`$ t $`所有小批量隨機梯度`$ \boldsymbol{g}_t $`按元素平方和,RMSProp算法將這些梯度按元素平方做指數加權移動平均。具體來說,給定超參數`$ 0 \leq \gamma < 1 $`,RMSProp算法在時間步 `$ t>0 $`計算
```[tex]
\boldsymbol{s}_t \leftarrow \gamma \boldsymbol{s}_{t-1} + (1 - \gamma) \boldsymbol{g}_t \odot \boldsymbol{g}_t.
```
和AdaGrad算法一樣,RMSProp算法將目標函數自變量中每個元素的學習率通過按元素運算重新調整,然后更新自變量
```[tex]
\boldsymbol{x}_t \leftarrow \boldsymbol{x}_{t-1} - \frac{\eta}{\sqrt{\boldsymbol{s}_t + \epsilon}} \odot \boldsymbol{g}_t,
```
其中`$ \eta $`是學習率,`$ \epsilon $`是為了維持數值穩定性而添加的常數,如`$ 10^{-6} $`。因為RMSProp算法的狀態變量`$ \boldsymbol{s}_t $`是對平方項`$ \boldsymbol{g}_t \odot \boldsymbol{g}_t $`的指數加權移動平均,所以可以看作是最近`$ 1/(1-\gamma) $`個時間步的小批量隨機梯度平方項的加權平均。如此一來,自變量每個元素的學習率在迭代過程中就不再一直降低(或不變)。
照例,讓我們先觀察RMSProp算法對目標函數`$ f(\boldsymbol{x})=0.1x_1^2+2x_2^2 $`中自變量的迭代軌跡。回憶在7.5節(AdaGrad算法)使用的學習率為0.4的AdaGrad算法,自變量在迭代后期的移動幅度較小。但在同樣的學習率下,RMSProp算法可以更快逼近最優解。
``` python
%matplotlib inline
import math
import torch
import sys
sys.path.append("..")
import d2lzh_pytorch as d2l
def rmsprop_2d(x1, x2, s1, s2):
g1, g2, eps = 0.2 * x1, 4 * x2, 1e-6
s1 = gamma * s1 + (1 - gamma) * g1 ** 2
s2 = gamma * s2 + (1 - gamma) * g2 ** 2
x1 -= eta / math.sqrt(s1 + eps) * g1
x2 -= eta / math.sqrt(s2 + eps) * g2
return x1, x2, s1, s2
def f_2d(x1, x2):
return 0.1 * x1 ** 2 + 2 * x2 ** 2
eta, gamma = 0.4, 0.9
d2l.show_trace_2d(f_2d, d2l.train_2d(rmsprop_2d))
```
輸出:
```
epoch 20, x1 -0.010599, x2 0.000000
```
:-: 
## 7.6.2 從零開始實現
接下來按照RMSProp算法中的公式實現該算法。
``` python
features, labels = d2l.get_data_ch7()
def init_rmsprop_states():
s_w = torch.zeros((features.shape[1], 1), dtype=torch.float32)
s_b = torch.zeros(1, dtype=torch.float32)
return (s_w, s_b)
def rmsprop(params, states, hyperparams):
gamma, eps = hyperparams['gamma'], 1e-6
for p, s in zip(params, states):
s.data = gamma * s.data + (1 - gamma) * (p.grad.data)**2
p.data -= hyperparams['lr'] * p.grad.data / torch.sqrt(s + eps)
```
我們將初始學習率設為0.01,并將超參數`$ \gamma $`設為0.9。此時,變量`$ \boldsymbol{s}_t $`可看作是最近`$ 1/(1-0.9) = 10 $`個時間步的平方項`$ \boldsymbol{g}_t \odot \boldsymbol{g}_t $`的加權平均。
``` python
d2l.train_ch7(rmsprop, init_rmsprop_states(), {'lr': 0.01, 'gamma': 0.9},
features, labels)
```
輸出:
```
loss: 0.243452, 0.049984 sec per epoch
```
:-: 
## 7.6.3 簡潔實現
通過名稱為`RMSprop`的優化器方法,我們便可使用PyTorch提供的RMSProp算法來訓練模型。注意,超參數$\gamma$通過`alpha`指定。
``` python
d2l.train_pytorch_ch7(torch.optim.RMSprop, {'lr': 0.01, 'alpha': 0.9},
features, labels)
```
輸出:
```
loss: 0.243676, 0.043637 sec per epoch
```
:-: 
## 小結
* RMSProp算法和AdaGrad算法的不同在于,RMSProp算法使用了小批量隨機梯度按元素平方的指數加權移動平均來調整學習率。
## 參考文獻
[1] Tieleman, T., & Hinton, G. (2012). Lecture 6.5-rmsprop: Divide the gradient by a running average of its recent magnitude. COURSERA: Neural networks for machine learning, 4(2), 26-31.
-----------
> 注:除代碼外本節與原書此節基本相同,[原書傳送門](https://zh.d2l.ai/chapter_optimization/rmsprop.html)
- Home
- Introduce
- 1.深度學習簡介
- 深度學習簡介
- 2.預備知識
- 2.1環境配置
- 2.2數據操作
- 2.3自動求梯度
- 3.深度學習基礎
- 3.1 線性回歸
- 3.2 線性回歸的從零開始實現
- 3.3 線性回歸的簡潔實現
- 3.4 softmax回歸
- 3.5 圖像分類數據集(Fashion-MINST)
- 3.6 softmax回歸的從零開始實現
- 3.7 softmax回歸的簡潔實現
- 3.8 多層感知機
- 3.9 多層感知機的從零開始實現
- 3.10 多層感知機的簡潔實現
- 3.11 模型選擇、反向傳播和計算圖
- 3.12 權重衰減
- 3.13 丟棄法
- 3.14 正向傳播、反向傳播和計算圖
- 3.15 數值穩定性和模型初始化
- 3.16 實戰kaggle比賽:房價預測
- 4 深度學習計算
- 4.1 模型構造
- 4.2 模型參數的訪問、初始化和共享
- 4.3 模型參數的延后初始化
- 4.4 自定義層
- 4.5 讀取和存儲
- 4.6 GPU計算
- 5 卷積神經網絡
- 5.1 二維卷積層
- 5.2 填充和步幅
- 5.3 多輸入通道和多輸出通道
- 5.4 池化層
- 5.5 卷積神經網絡(LeNet)
- 5.6 深度卷積神經網絡(AlexNet)
- 5.7 使用重復元素的網絡(VGG)
- 5.8 網絡中的網絡(NiN)
- 5.9 含并行連結的網絡(GoogLeNet)
- 5.10 批量歸一化
- 5.11 殘差網絡(ResNet)
- 5.12 稠密連接網絡(DenseNet)
- 6 循環神經網絡
- 6.1 語言模型
- 6.2 循環神經網絡
- 6.3 語言模型數據集(周杰倫專輯歌詞)
- 6.4 循環神經網絡的從零開始實現
- 6.5 循環神經網絡的簡單實現
- 6.6 通過時間反向傳播
- 6.7 門控循環單元(GRU)
- 6.8 長短期記憶(LSTM)
- 6.9 深度循環神經網絡
- 6.10 雙向循環神經網絡
- 7 優化算法
- 7.1 優化與深度學習
- 7.2 梯度下降和隨機梯度下降
- 7.3 小批量隨機梯度下降
- 7.4 動量法
- 7.5 AdaGrad算法
- 7.6 RMSProp算法
- 7.7 AdaDelta
- 7.8 Adam算法
- 8 計算性能
- 8.1 命令式和符號式混合編程
- 8.2 異步計算
- 8.3 自動并行計算
- 8.4 多GPU計算
- 9 計算機視覺
- 9.1 圖像增廣
- 9.2 微調
- 9.3 目標檢測和邊界框
- 9.4 錨框
- 10 自然語言處理
- 10.1 詞嵌入(word2vec)
- 10.2 近似訓練
- 10.3 word2vec實現
- 10.4 子詞嵌入(fastText)
- 10.5 全局向量的詞嵌入(Glove)
- 10.6 求近義詞和類比詞
- 10.7 文本情感分類:使用循環神經網絡
- 10.8 文本情感分類:使用卷積網絡
- 10.9 編碼器--解碼器(seq2seq)
- 10.10 束搜索
- 10.11 注意力機制
- 10.12 機器翻譯