目录

一、数据处理 

1.1 读入数据

1.2 数据形状变换 

1.3 数据集划分 

1.4 数据归一化处理

1.5 封装成load data函数

二、模型设计

2.1 训练配置

2.2 训练过程

2.3 梯度下降法

2.4 计算梯度

2.5 使用Numpy进行梯度计算

2.6 确定损失函数更小的点

2.7 代码封装Train函数

2.8 训练扩展到全部参数

三、随机梯度下降法（ Stochastic Gradient Descent）

3.1 数据处理代码修改

3.2 训练过程代码修改

四、总结

---

波士顿房价预测是一个经典的机器学习任务，类似于程序员世界的“Hello World”。和大家对房价的普遍认知相同，波士顿地区的房价受诸多因素影响。该数据集统计了13种可能影响房价的因素和该类型房屋的均价，期望构建一个基于13个因素进行房价预测的模型，如 图1 所示。

数据下载链接：https://pan.baidu.com/s/1IEuef7z5EZropO-tJUnvbw 

图1

对于预测问题，可以根据预测输出的类型是连续的实数值，还是离散的标签，区分为回归任务和分类任务。因为房价是一个连续值，所以房价预测显然是一个回归任务。下面我们尝试用最简单的线性回归模型解决这个问题，并用神经网络来实现这个模型。

线性回归模型

模型的求解即是通过数据拟合出每个和。其中，和分别表示该线性模型的权重和偏置。一维情况下，和  是直线的斜率和截距。 

线性回归模型使用均方误差作为损失函数（Loss），用以衡量预测房价和真实房价的差异，公式如下：

思考：

为什么要以均方误差作为损失函数？即将模型在每个训练样本上的预测误差加和，来衡量整体样本的准确性。这是因为损失函数的设计不仅仅要考虑“合理性”，同样需要考虑“易解性”，这个问题在后面的内容中会详细阐述。

线性回归模型的神经网络结构

神经网络的标准结构中每个神经元由加权和与非线性变换构成，然后将多个神经元分层的摆放并连接形成神经网络。线性回归模型可以认为是神经网络模型的一种极简特例，是一个只有加权和、没有非线性变换的神经元（无需形成网络），如 图2 所示。 

图2 

构建波士顿房价预测任务的神经网络模型

深度学习不仅实现了模型的端到端学习，还推动了人工智能进入工业大生产阶段，产生了标准化、自动化和模块化的通用框架。不同场景的深度学习模型具备一定的通用性，五个步骤即可完成模型的构建和训练，如 图3 所示。

图3：构建神经网络/深度学习模型的基本步骤 

正是由于深度学习的建模和训练的过程存在通用性，在构建不同的模型时，只有模型三要素不同，其它步骤基本一致，深度学习框架才有用武之地。 

一、数据处理 

数据处理包含五个部分：数据导入、数据形状变换、数据集划分、数据归一化处理和封装load data函数。数据预处理后，才能被模型调用。

说明：

• 本教程中的代码都可以在AI Studio上直接运行，Print结果都是基于程序真实运行的结果。
• 由于是真实案例，代码之间存在依赖关系，因此需要读者逐条、全部运行，否则会导致命令执行报错。

1.1 读入数据

通过如下代码读入数据，了解下波士顿房价的数据集结构，数据存放在本地目录下housing.data文件中。

# 导入需要用到的package
import numpy as np
import json
# 读入训练数据
datafile = 'D:/NoteBook/housing.data'
data = np.fromfile(datafile, sep=' ')
data

打印结果

array([6.320e-03, 1.800e+01, 2.310e+00, ..., 3.969e+02, 7.880e+00,
1.190e+01])

1.2 数据形状变换 

由于读入的原始数据是1维的，所有数据都连在一起。因此需要我们将数据的形状进行变换，形成一个2维的矩阵，每行为一个数据样本（14个值），每个数据样本包含13个（影响房价的特征）和一个（该类型房屋的均价）。 

# 读入之后的数据被转化成1维array，其中array的第0-13项是第一条数据，第14-27项是第二条数据，以此类推....
# 这里对原始数据做reshape，变成N x 14的形式
feature_names = [ 'CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE','DIS',
'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV' ]
feature_num = len(feature_names)
data = data.reshape([data.shape[0]//feature_num, feature_num])

# 查看数据
x = data[0]
print(x.shape)
print(x)

 打印结果

(14,)
[6.320e-03 1.800e+01 2.310e+00 0.000e+00 5.380e-01 6.575e+00 6.520e+01
4.090e+00 1.000e+00 2.960e+02 1.530e+01 3.969e+02 4.980e+00 2.400e+01] 

1.3 数据集划分 

将数据集划分成训练集和测试集，其中训练集用于确定模型的参数，测试集用于评判模型的效果。为什么要对数据集进行拆分，而不能直接应用于模型训练呢？这与学生时代的授课和考试关系比较类似，如 图4 所示。

上学时总有一些自作聪明的同学，平时不认真学习，考试前临阵抱佛脚，将习题死记硬背下来，但是成绩往往并不好。因为学校期望学生掌握的是知识，而不仅仅是习题本身。另出新的考题，才能鼓励学生努力去掌握习题背后的原理。同样我们期望模型学习的是任务的本质规律，而不是训练数据本身，模型训练未使用的数据，才能更真实的评估模型的效果。

在本案例中，我们将80%的数据用作训练集，20%用作测试集，实现代码如下。通过打印训练集的形状，可以发现共有404个样本，每个样本含有13个特征和1个预测值。

ratio = 0.8
offset = int(data.shape[0] * ratio)
training_data = data[:offset]
training_data.shape

打印输出
(404, 14)

1.4 数据归一化处理

对每个特征进行归一化处理，使得每个特征的取值缩放到0~1之间。这样做有两个好处：一是模型训练更高效；二是特征前的权重大小可以代表该变量对预测结果的贡献度（因为每个特征值本身的范围相同）。

# 计算train数据集的最大值，最小值，平均值
maximums, minimums, avgs = 
training_data.max(axis=0), 
training_data.min(axis=0), 
training_data.sum(axis=0) / training_data.shape[0]
# 对数据进行归一化处理
for i in range(feature_num):
#print(maximums[i], minimums[i], avgs[i])
data[:, i] = (data[:, i] - minimums[i]) / (maximums[i] - minimums[i])

1.5 封装成load data函数

将上述几个数据处理操作封装成load data函数，以便下一步模型的调用，实现方法如下。

def load_data():
# 从文件导入数据
datafile = 'D:/NoteBook/housing.data'
data = np.fromfile(datafile, sep=' ')
# 每条数据包括14项，其中前面13项是影响因素，第14项是相应的房屋价格中位数
feature_names = [ 'CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 
'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV' ]
feature_num = len(feature_names)
# 将原始数据进行Reshape，变成[N, 14]这样的形状
data = data.reshape([data.shape[0] // feature_num, feature_num])
# 将原数据集拆分成训练集和测试集
# 这里使用80%的数据做训练，20%的数据做测试
# 测试集和训练集必须是没有交集的
ratio = 0.8
offset = int(data.shape[0] * ratio)
training_data = data[:offset]
# 计算训练集的最大值，最小值，平均值
maximums, minimums, avgs = training_data.max(axis=0), training_data.min(axis=0), 
training_data.sum(axis=0) / training_data.shape[0]
# 对数据进行归一化处理
for i in range(feature_num):
#print(maximums[i], minimums[i], avgs[i])
data[:, i] = (data[:, i] - minimums[i]) / (maximums[i] - minimums[i])
# 训练集和测试集的划分比例
training_data = data[:offset]
test_data = data[offset:]
return training_data, test_data

# 获取数据
training_data, test_data = load_data()
x = training_data[:, :-1]
y = training_data[:, -1:]

# 查看数据
print(x[0])
print(y[0])

打印结果

[0.
0.18
0.07344184 0.
0.31481481 0.57750527
0.64160659 0.26920314 0.
0.22755741 0.28723404 1.
0.08967991]
[0.42222222]

二、模型设计

模型设计是深度学习模型关键要素之一，也称为网络结构设计，相当于模型的假设空间，即实现模型“前向计算”（从输入到输出）的过程。

如果将输入特征和输出预测值均以向量表示，输入特征x有13个分量，y有1个分量，那么参数权重的形状（shape）是13×1。假设我们以如下任意数字赋值参数做初始化：

w=[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,−0.1,−0.2,−0.3,−0.4,0.0]

w = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, -0.1, -0.2, -0.3, -0.4, 0.0]
w = np.array(w).reshape([13, 1])

取出第1条样本数据，观察样本的特征向量与参数向量相乘的结果。 

x1=x[0]
t = np.dot(x1, w)
print(t)

 打印结果

[0.69474855]

完整的线性回归公式，还需要初始化偏移量b，同样随意赋初值-0.2。那么，线性回归模型的完整输出是z=t+b，这个从特征和参数计算输出值的过程称为“前向计算”。 

b = -0.2
z = t + b
print(z)

打印结果

[0.49474855]

将上述计算预测输出的过程以“类和对象”的方式来描述，类成员变量有参数w和b。通过写一个forward函数（代表“前向计算”）完成上述从特征和参数到输出预测值的计算过程，代码如下所示。 

class Network(object):
def __init__(self, num_of_weights):
# 随机产生w的初始值
# 为了保持程序每次运行结果的一致性，
# 此处设置固定的随机数种子
np.random.seed(0)#每次随机数保持不变
self.w = np.random.randn(num_of_weights, 1)
self.b = 0.
def forward(self, x):
z = np.dot(x, self.w) + self.b
return z

基于Network类的定义，模型的计算过程如下所示。 

net = Network(13)
x1 = x[0]
y1 = y[0]
z = net.forward(x1)
print(z)

打印输出

[2.39362982] 

2.1 训练配置

模型设计完成后，需要通过训练配置寻找模型的最优值，即通过损失函数来衡量模型的好坏。训练配置也是深度学习模型关键要素之一。

通过模型计算x1​表示的影响因素所对应的房价应该是z, 但实际数据告诉我们房价是y。这时我们需要有某种指标来衡量预测值z跟真实值y之间的差距。对于回归问题，最常采用的衡量方法是使用均方误差作为评价模型好坏的指标，具体定义如下：

上式中的Loss（简记为: L）通常也被称作损失函数，它是衡量模型好坏的指标。在回归问题中，均方误差是一种比较常见的形式，分类问题中通常会采用交叉熵作为损失函数，在后续的章节中会更详细的介绍。对一个样本计算损失函数值的实现如下：

Loss = (y1 - z)*(y1 - z)
print(Loss)

打印结果

[3.88644793]

因为计算损失函数时需要把每个样本的损失函数值都考虑到，所以我们需要对单个样本的损失函数进行求和，并除以样本总数N。

在Network类下面添加损失函数的计算过程如下： 

class Network(object):
def __init__(self, num_of_weights):
# 随机产生w的初始值
# 为了保持程序每次运行结果的一致性，此处设置固定的随机数种子
np.random.seed(0)
self.w = np.random.randn(num_of_weights, 1)
self.b = 0.
def forward(self, x):
z = np.dot(x, self.w) + self.b
return z
def loss(self, z, y):
error = z - y
cost = error * error
cost = np.mean(cost)
return cost

使用定义的Network类，可以方便的计算预测值和损失函数。需要注意的是，类中的变量x, w，b, z, error等均是向量。以变量x为例，共有两个维度，一个代表特征数量（值为13），一个代表样本数量，代码如下所示。 

net = Network(13)
# 此处可以一次性计算多个样本的预测值和损失函数
x1 = x[0:3]
y1 = y[0:3]
z = net.forward(x1)
print('predict: ', z)
loss = net.loss(z, y1)
print('loss:', loss)

打印结果

predict:
[[2.39362982][2.46752393][2.02483479]]
loss: 3.384496992612791

2.2 训练过程

上述计算过程描述了如何构建神经网络，通过神经网络完成预测值和损失函数的计算。接下来介绍如何求解参数w和b的数值，这个过程也称为模型训练过程。训练过程是深度学习模型的关键要素之一，其目标是让定义的损失函数Loss尽可能的小，也就是说找到一个参数解w和b，使得损失函数取得极小值。

我们先做一个小测试：如 图5 所示，基于微积分知识，求一条曲线在某个点的斜率等于函数在该点的导数值。那么大家思考下，当处于曲线的极值点时，该点的斜率是多少？

图5：曲线斜率等于导数值 

这个问题并不难回答，处于曲线极值点时的斜率为0，即函数在极值点的导数为0。那么，让损失函数取极小值的w和b应该是下述方程组的解： 

将样本数据(x,y)带入上面的方程组中即可求解出w和b的值，但是这种方法只对线性回归这样简单的任务有效。如果模型中含有非线性变换，或者损失函数不是均方差这种简单的形式，则很难通过上式求解。为了解决这个问题，下面我们将引入更加普适的数值求解方法：梯度下降法。

2.3 梯度下降法

在现实中存在大量的函数正向求解容易，但反向求解较难，被称为单向函数，这种函数在密码学中有大量的应用。密码锁的特点是可以迅速判断一个密钥是否是正确的(已知x，求y很容易)，但是即使获取到密码锁系统，无法破解出正确的密钥是什么（已知y，求x很难）。

这种情况特别类似于一位想从山峰走到坡谷的盲人，他看不见坡谷在哪（无法逆向求解出Loss导数为0时的参数值），但可以伸脚探索身边的坡度（当前点的导数值，也称为梯度）。那么，求解Loss函数最小值可以这样实现：从当前的参数取值，一步步的按照下坡的方向下降，直到走到最低点。这种方法笔者称它为“盲人下坡法”。哦不，有个更正式的说法“梯度下降法”。

训练的关键是找到一组(w,b)，使得损失函数L取极小值。我们先看一下损失函数L只随两个参数w5​、w9变化时的简单情形，启发下寻解的思路。

这里我们将w0,w1,...,w12中除w5,w9之外的参数和b都固定下来，可以用图画出L(w5,w9)的形式。

net = Network(13)
losses = []
#只画出参数w5和w9在区间[-160, 160]的曲线部分，以及包含损失函数的极值
w5 = np.arange(-160.0, 160.0, 1.0)
w9 = np.arange(-160.0, 160.0, 1.0)
losses = np.zeros([len(w5), len(w9)])
#计算设定区域内每个参数取值所对应的Loss
for i in range(len(w5)):
for j in range(len(w9)):
net.w[5] = w5[i]
net.w[9] = w9[j]
z = net.forward(x)
loss = net.loss(z, y)
losses[i, j] = loss
#使用matplotlib将两个变量和对应的Loss作3D图
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)
w5, w9 = np.meshgrid(w5, w9)
ax.plot_surface(w5, w9, losses, rstride=1, cstride=1, cmap='rainbow')
plt.show()

对于这种简单情形，我们利用上面的程序，可以在三维空间中画出损失函数随参数变化的曲面图。从图中可以看出有些区域的函数值明显比周围的点小。

需要说明的是：为什么这里我们选择w5​和w9来画图？这是因为选择这两个参数的时候，可比较直观的从损失函数的曲面图上发现极值点的存在。其他参数组合，从图形上观测损失函数的极值点不够直观。若选取w2和w6来画图，并没有上图直观

观察上述曲线呈现出“圆滑”的坡度，这正是我们选择以均方误差作为损失函数的原因之一。图6 呈现了只有一个参数维度时，均方误差和绝对值误差（只将每个样本的误差累加，不做平方处理）的损失函数曲线图。

由此可见，均方误差表现的“圆滑”的坡度有两个好处：

• 曲线的最低点是可导的。
• 越接近最低点，曲线的坡度逐渐放缓，有助于通过当前的梯度来判断接近最低点的程度（是否逐渐减少步长，以免错过最低点）。

而绝对值误差是不具备这两个特性的，这也是损失函数的设计不仅仅要考虑“合理性”，还要追求“易解性”的原因。

现在我们要找出一组[w5,w9]的值，使得损失函数最小，实现梯度下降法的方案如下：

• 步骤1：随机的选一组初始值，例如：[w5,w9]=[−100.0,−100.0]
• 步骤2：选取下一个点[w5′,w9′]，使得L(w5′,w9′)<L(w5,w9)
• 步骤3：重复步骤2，直到损失函数几乎不再下降。

如何选择[w5′,w9′]是至关重要的，第一要保证L是下降的，第二要使得下降的趋势尽可能的快。微积分的基础知识告诉我们，沿着梯度的反方向，是函数值下降最快的方向，如 图7 所示。简单理解，函数在某一个点的梯度方向是曲线斜率最大的方向，但梯度方向是向上的，所以下降最快的是梯度的反方向。

 图7：梯度下降方向示意图

2.4 计算梯度

上面我们讲过了损失函数的计算方法，这里稍微改写，为了使梯度计算更加简洁，引入因子，定义损失函数如下：

其中zi是网络对第iii个样本的预测值： 

梯度的定义

可以计算出L对w和b的偏导数： 

从导数的计算过程可以看出，因子被消掉了，这是因为二次函数求导的时候会产生因子2，这也是我们将损失函数改写的原因。

下面我们考虑只有一个样本的情况下，计算梯度：

可以计算出：

可以计算出L对w和b的偏导数： 

 

 

可以通过具体的程序查看每个变量的数据和维度。 

x1 = x[0]
y1 = y[0]
z1 = net.forward(x1)
print('x1 {}, shape {}'.format(x1, x1.shape))
print('y1 {}, shape {}'.format(y1, y1.shape))
print('z1 {}, shape {}'.format(z1, z1.shape))

打印结果

x1 [0.
0.18
0.07344184 0.
0.31481481 0.57750527
0.64160659 0.26920314 0.
0.22755741 0.28723404 1.
0.08967991], shape (13,)
y1 [0.42222222], shape (1,)
z1 [115.40486738], shape (1,)

按上面的公式，当只有一个样本时，可以计算某个wj，比如w0的梯度。 

gradient_w0 = (z1 - y1) * x1[0]
print('gradient_w0 {}'.format(gradient_w0))

打印结果

gradient_w0 [0.]

同样我们可以计算w1的梯度。

gradient_w1 = (z1 - y1) * x1[1]
print('gradient_w1 {}'.format(gradient_w1))

打印结果

gradient_w1 [20.69687613]

 依次计算w2​的梯度。

gradient_w2= (z1 - y1) * x1[2]
print('gradient_w1 {}'.format(gradient_w2))

打印结果

gradient_w1 [8.44453726]

聪明的读者可能已经想到，写一个for循环即可计算从w0​到w12​的所有权重的梯度，该方法读者可以自行实现。 

2.5 使用Numpy进行梯度计算

基于Numpy广播机制（对向量和矩阵计算如同对1个单一变量计算一样），可以更快速的实现梯度计算。计算梯度的代码中直接用(z1−y1)⋅x1，得到的是一个13维的向量，每个分量分别代表该维度的梯度。

gradient_w = (z1 - y1) * x1
print('gradient_w_by_sample1 {}, gradient.shape {}'.format(gradient_w, gradient_w.shape))

打印结果

gradient_w_by_sample1 [
0.
20.69687613
8.44453726
0.
36.19824014
66.40308345
73.773623
30.95368902
0.
26.16515307
33.02692999 114.98264516
10.31163346], gradient.shape (13,)

输入数据中有多个样本，每个样本都对梯度有贡献。如上代码计算了只有样本1时的梯度值，同样的计算方法也可以计算样本2和样本3对梯度的贡献。 

x2 = x[1]
y2 = y[1]
z2 = net.forward(x2)
gradient_w = (z2 - y2) * x2
print('gradient_w_by_sample2 {}, gradient.shape {}'.format(gradient_w, gradient_w.shape))

打印结果

gradient_w_by_sample2 [3.94626939e-02 0.00000000e+00 4.38925272e+01 0.00000000e+00
2.89108135e+01 9.16634146e+01 1.30921707e+02 5.83707680e+01
7.27259594e+00 1.92063337e+01 9.25321781e+01 1.67269707e+02
3.42016701e+01], gradient.shape (13,)

可能有的读者再次想到可以使用for循环把每个样本对梯度的贡献都计算出来，然后再作平均。但是我们不需要这么做，仍然可以使用Numpy的矩阵操作来简化运算，如3个样本的情况。 

# 注意这里是一次取出3个样本的数据，不是取出第3个样本
x3samples = x[0:3]
y3samples = y[0:3]
z3samples = net.forward(x3samples)
print('x {}, shape {}'.format(x3samples, x3samples.shape))
print('y {}, shape {}'.format(y3samples, y3samples.shape))
print('z {}, shape {}'.format(z3samples, z3samples.shape))

打印结果

x [[0.00000000e+00 1.80000000e-01 7.34418420e-02 0.00000000e+00
3.14814815e-01 5.77505269e-01 6.41606591e-01 2.69203139e-01
0.00000000e+00 2.27557411e-01 2.87234043e-01 1.00000000e+00
8.96799117e-02]
[2.35922539e-04 0.00000000e+00 2.62405717e-01 0.00000000e+00
1.72839506e-01 5.47997701e-01 7.82698249e-01 3.48961980e-01
4.34782609e-02 1.14822547e-01 5.53191489e-01 1.00000000e+00
2.04470199e-01]
[2.35697744e-04 0.00000000e+00 2.62405717e-01 0.00000000e+00
1.72839506e-01 6.94385898e-01 5.99382080e-01 3.48961980e-01
4.34782609e-02 1.14822547e-01 5.53191489e-01 9.87519166e-01
6.34657837e-02]], shape (3, 13)
y [[0.42222222]
[0.36888889]
[0.66
]], shape (3, 1)
z [[115.40486738]
[167.63859551]
[138.22280208]], shape (3, 1)

上面的x3samples, y3samples, z3samples的第一维大小均为3，表示有3个样本。下面计算这3个样本对梯度的贡献。 

gradient_w = (z3samples - y3samples) * x3samples
print('gradient_w {}, gradient.shape {}'.format(gradient_w, gradient_w.shape))

打印结果

gradient_w [[0.00000000e+00 2.06968761e+01 8.44453726e+00 0.00000000e+00
3.61982401e+01 6.64030834e+01 7.37736230e+01 3.09536890e+01
0.00000000e+00 2.61651531e+01 3.30269300e+01 1.14982645e+02
1.03116335e+01]
[3.94626939e-02 0.00000000e+00 4.38925272e+01 0.00000000e+00
2.89108135e+01 9.16634146e+01 1.30921707e+02 5.83707680e+01
7.27259594e+00 1.92063337e+01 9.25321781e+01 1.67269707e+02
3.42016701e+01]
[3.24232421e-02 0.00000000e+00 3.60972657e+01 0.00000000e+00
2.37762868e+01 9.55216698e+01 8.24526785e+01 4.80041878e+01
5.98099139e+00 1.57953113e+01 7.60985714e+01 1.35845904e+02
8.73053104e+00]], gradient.shape (3, 13)

此处可见，计算梯度gradient_w的维度是3×133 ，并且其第1行与上面第1个样本计算的梯度gradient_w_by_sample1一致，第2行与上面第2个样本计算的梯度gradient_w_by_sample2一致，第3行与上面第3个样本计算的梯度gradient_w_by_sample3一致。这里使用矩阵操作，可以更加方便的对3个样本分别计算各自对梯度的贡献。

那么对于有N个样本的情形，我们可以直接使用如下方式计算出所有样本对梯度的贡献，这就是使用Numpy库广播功能带来的便捷。 小结一下这里使用Numpy库的广播功能：

• 一方面可以扩展参数的维度，代替for循环来计算1个样本对从w0到w12的所有参数的梯度。
• 另一方面可以扩展样本的维度，代替for循环来计算样本0到样本403对参数的梯度。

z = net.forward(x)
gradient_w = (z - y) * x
print('gradient_w shape {}'.format(gradient_w.shape))
print(gradient_w)

打印结果 

gradient_w shape (404, 13)
[[0.00000000e+00 2.06968761e+01 8.44453726e+00 ... 3.30269300e+01
1.14982645e+02 1.03116335e+01]
[3.94626939e-02 0.00000000e+00 4.38925272e+01 ... 9.25321781e+01
1.67269707e+02 3.42016701e+01]
[3.24232421e-02 0.00000000e+00 3.60972657e+01 ... 7.60985714e+01
1.35845904e+02 8.73053104e+00]
...
[4.37440950e+01 0.00000000e+00 1.91527710e+02 ... 2.21129631e+02
2.73502438e+02 1.40298298e+02]
[2.94457614e+01 0.00000000e+00 1.91313328e+02 ... 2.20882114e+02
2.55779093e+02 1.40065873e+02]
[7.44978133e+01 0.00000000e+00 1.87191522e+02 ... 2.16123255e+02
2.67310342e+02 1.33065082e+02]]

上面gradient_w的每一行代表了一个样本对梯度的贡献。根据梯度的计算公式，总梯度是对每个样本对梯度贡献的平均值。 

我们也可以使用Numpy的均值函数来完成此过程： 

# axis = 0 表示把每一行做相加然后再除以总的行数
gradient_w = np.mean(gradient_w, axis=0)
print('gradient_w ', gradient_w.shape)
print('w ', net.w.shape)
print(gradient_w)
print(net.w)

打印结果

gradient_w
(13,)
w
(13, 1)
[
5.53780571
10.64543906
75.67827617
17.61268347
63.65268301
80.73011068 123.00673216
31.66093111
51.21598571
68.06824792
96.34753654 148.59539397
51.95466115]
[[ 1.76405235e+00]
[ 4.00157208e-01]
[ 1.59000000e+02]
[ 2.24089320e+00]
[ 1.86755799e+00]
[-9.77277880e-01]
[ 1.59000000e+02]
[-1.51357208e-01]
[-1.03218852e-01]
[ 4.10598502e-01]
[ 1.44043571e-01]
[ 1.45427351e+00]
[ 7.61037725e-01]]

我们使用Numpy的矩阵操作方便地完成了gradient的计算，但引入了一个问题，gradient_w的形状是(13,)，而w的维度是(13, 1)。导致该问题的原因是使用np.mean函数时消除了第0维。为了加减乘除等计算方便，gradient_w和w必须保持一致的形状。因此我们将gradient_w的维度也设置为(13,1)，代码如下： 

gradient_w = gradient_w[:, np.newaxis]
print('gradient_w shape', gradient_w.shape)

综合上面的剖析，计算梯度的代码如下所示。 

z = net.forward(x)
gradient_w = (z - y) * x
gradient_w = np.mean(gradient_w, axis=0)
gradient_w = gradient_w[:, np.newaxis]
gradient_w

打印结果 

array([[
4.6555403 ],
[ 19.35268996],
[ 55.88081118],
[ 14.00266972],
[ 47.98588869],
[ 76.87210821],
[ 94.8555119 ],
[ 36.07579608],
[ 45.44575958],
[ 59.65733292],
[ 83.65114918],
[134.80387478],
[ 38.93998153]])

 上述代码非常简洁地完成了w的梯度计算。同样，计算b的梯度的代码也是类似的原理。

gradient_b = (z - y)
gradient_b = np.mean(gradient_b)
# 此处b是一个数值，所以可以直接用np.mean得到一个标量
gradient_b

打印结果

159.47184398759848

将上面计算w和b的梯度的过程，写成Network类的gradient函数，实现方法如下所示。

class Network(object):
def __init__(self, num_of_weights):
# 随机产生w的初始值
# 为了保持程序每次运行结果的一致性，此处设置固定的随机数种子
np.random.seed(0)
self.w = np.random.randn(num_of_weights, 1)
self.b = 0.
def forward(self, x):
z = np.dot(x, self.w) + self.b
return z
def loss(self, z, y):
error = z - y
num_samples = error.shape[0]
cost = error * error
cost = np.sum(cost) / num_samples
return cost
def gradient(self, x, y):
z = self.forward(x)
gradient_w = (z-y)*x
gradient_w = np.mean(gradient_w, axis=0)
gradient_w = gradient_w[:, np.newaxis]
gradient_b = (z - y)
gradient_b = np.mean(gradient_b)
return gradient_w, gradient_b

# 调用上面定义的gradient函数，计算梯度
# 初始化网络
net = Network(13)
# 设置[w5, w9] = [-100., -100.]
net.w[5] = -100.0
net.w[9] = -100.0
z = net.forward(x)
loss = net.loss(z, y)
gradient_w, gradient_b = net.gradient(x, y)
gradient_w5 = gradient_w[5][0]
gradient_w9 = gradient_w[9][0]
print('point {}, loss {}'.format([net.w[5][0], net.w[9][0]], loss))
print('gradient {}'.format([gradient_w5, gradient_w9]))

point [-100.0, -100.0], loss 7873.345739941161
gradient [-45.87968288123223, -35.50236884482904]

2.6 确定损失函数更小的点

下面我们开始研究更新梯度的方法。首先沿着梯度的反方向移动一小步，找到下一个点P1，观察损失函数的变化。

# 在[w5, w9]平面上，沿着梯度的反方向移动到下一个点P1
# 定义移动步长 eta
eta = 0.1
# 更新参数w5和w9
net.w[5] = net.w[5] - eta * gradient_w5
net.w[9] = net.w[9] - eta * gradient_w9
# 重新计算z和loss
z = net.forward(x)
loss = net.loss(z, y)
gradient_w, gradient_b = net.gradient(x, y)
gradient_w5 = gradient_w[5][0]
gradient_w9 = gradient_w[9][0]
print('point {}, loss {}'.format([net.w[5][0], net.w[9][0]], loss))
print('gradient {}'.format([gradient_w5, gradient_w9]))

打印结果

point [-95.41203171187678, -96.4497631155171], loss 7214.694816482369
gradient [-43.883932999069096, -34.019273908495926]

运行上面的代码，可以发现沿着梯度反方向走一小步，下一个点的损失函数的确减少了。感兴趣的话，大家可以尝试不停的点击上面的代码块，观察损失函数是否一直在变小。

在上述代码中，每次更新参数使用的语句： net.w[5] = net.w[5] - eta * gradient_w5

• 相减：参数需要向梯度的反方向移动。
• eta：控制每次参数值沿着梯度反方向变动的大小，即每次移动的步长，又称为学习率。

大家可以思考下，为什么之前我们要做输入特征的归一化，保持尺度一致？这是为了让统一的步长更加合适。

如 图8 所示，特征输入归一化后，不同参数输出的Loss是一个比较规整的曲线，学习率可以设置成统一的值 ；特征输入未归一化时，不同特征对应的参数所需的步长不一致，尺度较大的参数需要大步长，尺寸较小的参数需要小步长，导致无法设置统一的学习率。

图8：未归一化的特征，会导致不同特征维度的理想步长不同 

2.7 代码封装Train函数

将上面的循环计算过程封装在train和update函数中，实现方法如下所示。

class Network(object):
def __init__(self, num_of_weights):
# 随机产生w的初始值
# 为了保持程序每次运行结果的一致性，此处设置固定的随机数种子
np.random.seed(0)
self.w = np.random.randn(num_of_weights,1)
self.w[5] = -100.
self.w[9] = -100.
self.b = 0.
def forward(self, x):
z = np.dot(x, self.w) + self.b
return z
def loss(self, z, y):
error = z - y
num_samples = error.shape[0]
cost = error * error
cost = np.sum(cost) / num_samples
return cost
def gradient(self, x, y):
z = self.forward(x)
gradient_w = (z-y)*x
gradient_w = np.mean(gradient_w, axis=0)
gradient_w = gradient_w[:, np.newaxis]
gradient_b = (z - y)
gradient_b = np.mean(gradient_b)
return gradient_w, gradient_b
def update(self, gradient_w5, gradient_w9, eta=0.01):
net.w[5] = net.w[5] - eta * gradient_w5
net.w[9] = net.w[9] - eta * gradient_w9
def train(self, x, y, iterations=100, eta=0.01):
points = []
losses = []
for i in range(iterations):
points.append([net.w[5][0], net.w[9][0]])
z = self.forward(x)
L = self.loss(z, y)
gradient_w, gradient_b = self.gradient(x, y)
gradient_w5 = gradient_w[5][0]
gradient_w9 = gradient_w[9][0]
self.update(gradient_w5, gradient_w9, eta)
losses.append(L)
if i % 50 == 0:
print('iter {}, point {}, loss {}'.format(i, [net.w[5][0], net.w[9][0]], L))
return points, losses
# 获取数据
train_data, test_data = load_data()
x = train_data[:, :-1]
y = train_data[:, -1:]
# 创建网络
net = Network(13)
num_iterations=2000
# 启动训练
points, losses = net.train(x, y, iterations=num_iterations, eta=0.01)
# 画出损失函数的变化趋势
plot_x = np.arange(num_iterations)
plot_y = np.array(losses)
plt.plot(plot_x, plot_y)
plt.show()

打印结果

iter 0, point [-99.54120317118768, -99.64497631155172], loss 7873.345739941161
iter 50, point [-78.9761810944732, -83.65939206734069], loss 5131.480704109405
iter 100, point [-62.4493631356931, -70.67918223434114], loss 3346.754494352463
iter 150, point [-49.17799206644332, -60.12620415441553], loss 2184.906016270654
iter 200, point [-38.53070194231174, -51.533984751788346], loss 1428.4172504483342
iter 250, point [-29.998249130283174, -44.52613603923428], loss 935.7392894242679
iter 300, point [-23.169901624519575, -38.79894318028118], loss 614.7592258739251
iter 350, point [-17.71439280083778, -34.10731848231335], loss 405.53408184471505
iter 400, point [-13.364557220746388, -30.253470630210863], loss 269.0551396220099
iter 450, point [-9.904936677384967, -27.077764259976597], loss 179.9364750604248
iter 500, point [-7.161782280775628, -24.451346444229817], loss 121.65711285489998
iter 550, point [-4.994989383373879, -22.270198517465555], loss 83.46491706360901
iter 600, point [-3.2915916915280783, -20.450337700789422], loss 58.36183370758033
iter 650, point [-1.9605131425212885, -18.923946252536773], loss 41.792808952534
iter 700, point [-0.9283343968114077, -17.636248840494844], loss 30.792614998570482
iter 750, point [-0.13587780041668718, -16.542993494033716], loss 23.43065354742935
iter 800, point [0.4645474092373408, -15.60841945615185], loss 18.449664464381506
iter 850, point [0.9113672926170796, -14.803617811655524], loss 15.030615923519784
iter 900, point [1.2355357562745004, -14.105208963393421], loss 12.639705730905764
iter 950, point [1.4619805189121953, -13.494275706622066], loss 10.928795653764196
iter 1000, point [1.6107694974712377, -12.955502492189021], loss 9.670616807081698
iter 1050, point [1.6980516626374353, -12.476481020835202], loss 8.716602071285436
iter 1100, point [1.7368159644039771, -12.04715001603925], loss 7.969442965176621
iter 1150, point [1.7375034995020395, -11.659343238414994], loss 7.365228465612388
iter 1200, point [1.7085012931271857, -11.306424818680442], loss 6.861819342703047
iter 1250, point [1.6565405824483015, -10.982995030930885], loss 6.431280353078019
iter 1300, point [1.5870180647823104, -10.684652890749808], loss 6.054953198278096
iter 1350, point [1.5042550040699705, -10.407804594738165], loss 5.720248083137862
iter 1400, point [1.4117062100403601, -10.14950894127009], loss 5.418553777303124
iter 1450, point [1.3121285818148223, -9.907352585055445], loss 5.143875665274019
iter 1500, point [1.2077170340724794, -9.67934935975478], loss 4.891947653805328
iter 1550, point [1.1002141124777076, -9.463859017459276], loss 4.659652555766873
iter 1600, point [0.990998385834045, -9.259521632951046], loss 4.444643323159747
iter 1650, point [0.8811557188942747, -9.065204645952335], loss 4.245095084874306
iter 1700, point [0.7715367363576023, -8.87996009965401], loss 4.059542401818773
iter 1750, point [0.662803148565214, -8.702990105791185], loss 3.88677206759292
iter 1800, point [0.5554650931141796, -8.533618947271485], loss 3.7257521401326525
iter 1850, point [0.4499112301277286, -8.371270536496699], loss 3.5755846299900256
iter 1900, point [0.3464329929523944, -8.215450195281456], loss 3.435473657404253
iter 1950, point [0.24524412503452966, -8.065729922139326], loss 3.3047037451160453

2.8 训练扩展到全部参数

为了能给读者直观的感受，上面演示的梯度下降的过程仅包含w5​和w9​两个参数，但房价预测的完整模型，必须要对所有参数w和b进行求解。这需要将Network中的update和train函数进行修改。由于不再限定参与计算的参数（所有参数均参与计算），修改之后的代码反而更加简洁。实现逻辑：“前向计算输出、根据输出和真实值计算Loss、基于Loss和输入计算梯度、根据梯度更新参数值”四个部分反复执行，直到到损失函数最小。具体代码如下所示。

class Network(object):
def __init__(self, num_of_weights):
# 随机产生w的初始值
# 为了保持程序每次运行结果的一致性，此处设置固定的随机数种子
np.random.seed(0)
self.w = np.random.randn(num_of_weights, 1)
self.b = 0.
def forward(self, x):
z = np.dot(x, self.w) + self.b
return z
def loss(self, z, y):
error = z - y
num_samples = error.shape[0]
cost = error * error
cost = np.sum(cost) / num_samples
return cost
def gradient(self, x, y):
z = self.forward(x)
gradient_w = (z-y)*x
gradient_w = np.mean(gradient_w, axis=0)
gradient_w = gradient_w[:, np.newaxis]
gradient_b = (z - y)
gradient_b = np.mean(gradient_b)
return gradient_w, gradient_b
def update(self, gradient_w, gradient_b, eta = 0.01):
self.w = self.w - eta * gradient_w
self.b = self.b - eta * gradient_b
def train(self, x, y, iterations=100, eta=0.01):
losses = []
for i in range(iterations):
z = self.forward(x)
L = self.loss(z, y)
gradient_w, gradient_b = self.gradient(x, y)
self.update(gradient_w, gradient_b, eta)
losses.append(L)
if (i+1) % 10 == 0:
print('iter {}, loss {}'.format(i, L))
return losses
# 获取数据
train_data, test_data = load_data()
x = train_data[:, :-1]
y = train_data[:, -1:]
# 创建网络
net = Network(13)
num_iterations=1000
# 启动训练
losses = net.train(x,y, iterations=num_iterations, eta=0.01)
# 画出损失函数的变化趋势
plot_x = np.arange(num_iterations)
plot_y = np.array(losses)
plt.plot(plot_x, plot_y)
plt.show()

打印结果

iter 9, loss 5.143394325795511
iter 19, loss 3.097924194225988
iter 29, loss 2.082241020617026
iter 39, loss 1.5673801618157397
iter 49, loss 1.296620473507743
iter 59, loss 1.1453399043319765
iter 69, loss 1.0530155717435201
iter 79, loss 0.9902292156463153
iter 89, loss 0.9426576903842502
iter 99, loss 0.9033048096880774
iter 109, loss 0.868732003041364
iter 119, loss 0.837229250968144
iter 129, loss 0.807927474161227
iter 139, loss 0.7803677341465796
iter 149, loss 0.7542920908532763
iter 159, loss 0.7295420168915829
iter 169, loss 0.7060090054240883
iter 179, loss 0.6836105084697766
iter 189, loss 0.6622781710179414
iter 199, loss 0.6419520361168637
iter 209, loss 0.6225776517869489
iter 219, loss 0.6041045903195837
iter 229, loss 0.5864856570315078
iter 239, loss 0.5696764374763879
iter 249, loss 0.5536350125932016
iter 259, loss 0.5383217588525027
iter 269, loss 0.5236991929680566
iter 279, loss 0.5097318413761649
iter 289, loss 0.4963861247069634
iter 299, loss 0.48363025234390233
iter 309, loss 0.4714341245401978
iter 319, loss 0.45976924072044867
iter 329, loss 0.44860861316591
iter 339, loss 0.43792668556597936
iter 349, loss 0.4276992560632111
iter 359, loss 0.4179034044959738
iter 369, loss 0.40851742358635523
iter 379, loss 0.39952075384787633
iter 389, loss 0.39089392200622347
iter 399, loss 0.3826184827405131
iter 409, loss 0.37467696356451247
iter 419, loss 0.36705281267772816
iter 429, loss 0.35973034962581096
iter 439, loss 0.35269471861856694
iter 449, loss 0.3459318443621334
iter 459, loss 0.3394283902696658
iter 469, loss 0.3331717189222164
iter 479, loss 0.3271498546584252
iter 489, loss 0.32135144817819605
iter 499, loss 0.31576574305173283
iter 509, loss 0.3103825440311681
iter 519, loss 0.30519218706757245
iter 529, loss 0.30018551094136725
iter 539, loss 0.29535383041913843
iter 549, loss 0.29068891085453674
iter 559, loss 0.28618294415539336
iter 569, loss 0.28182852604338504
iter 579, loss 0.2776186345365534
iter 589, loss 0.27354660958874766
iter 599, loss 0.2696061338236152
iter 609, loss 0.265791214304132
iter 619, loss 0.262096165281848
iter 629, loss 0.258515591873034
iter 639, loss 0.25504437461176843
iter 649, loss 0.2516776548326958
iter 659, loss 0.24841082083874047
iter 669, loss 0.24523949481147192
iter 679, loss 0.2421595204240984
iter 689, loss 0.23916695111922887
iter 699, loss 0.23625803901558054
iter 709, loss 0.2334292244097483
iter 719, loss 0.23067712584097294
iter 729, loss 0.22799853068858242
iter 739, loss 0.22539038627340988
iter 749, loss 0.22284979143604464
iter 759, loss 0.22037398856623475
iter 769, loss 0.2179603560591435
iter 779, loss 0.2156064011754777
iter 789, loss 0.2133097532837386
iter 799, loss 0.2110681574640261
iter 809, loss 0.2088794684539304
iter 819, loss 0.20674164491810018
iter 829, loss 0.20465274402406475
iter 839, loss 0.20261091630783168
iter 849, loss 0.20061440081366638
iter 859, loss 0.1986615204933024
iter 869, loss 0.19675067785062839
iter 879, loss 0.19488035081864621
iter 889, loss 0.19304908885621125
iter 899, loss 0.19125550925273513
iter 909, loss 0.1894982936296714
iter 919, loss 0.18777618462820622
iter 929, loss 0.18608798277314595
iter 939, loss 0.18443254350353405
iter 949, loss 0.18280877436103968
iter 959, loss 0.18121563232764162
iter 969, loss 0.1796521213045923
iter 979, loss 0.1781172897250724
iter 989, loss 0.17661022829336184
iter 999, loss 0.17513006784373505

三、随机梯度下降法（ Stochastic Gradient Descent）

在上述程序中，每次损失函数和梯度计算都是基于数据集中的全量数据。对于波士顿房价预测任务数据集而言，样本数比较少，只有404个。但在实际问题中，数据集往往非常大，如果每次都使用全量数据进行计算，效率非常低，通俗地说就是“杀鸡焉用牛刀”。由于参数每次只沿着梯度反方向更新一点点，因此方向并不需要那么精确。一个合理的解决方案是每次从总的数据集中随机抽取出小部分数据来代表整体，基于这部分数据计算梯度和损失来更新参数，这种方法被称作随机梯度下降法（Stochastic Gradient Descent，SGD），核心概念如下：

• mini-batch：每次迭代时抽取出来的一批数据被称为一个mini-batch。
• batch_size：一个mini-batch所包含的样本数目称为batch_size。
• epoch：当程序迭代的时候，按mini-batch逐渐抽取出样本，当把整个数据集都遍历到了的时候，则完成了一轮训练，也叫一个epoch。启动训练时，可以将训练的轮数num_epochs和batch_size作为参数传入。

下面结合程序介绍具体的实现过程，涉及到数据处理和训练过程两部分代码的修改。

3.1 数据处理代码修改

数据处理需要实现拆分数据批次和样本乱序（为了实现随机抽样的效果）两个功能。

# 获取数据
train_data, test_data = load_data()
train_data.shape

 打印结果

(404, 14)

train_data中一共包含404条数据，如果batch_size=10，即取前0-9号样本作为第一个mini-batch，命名train_data1。 

train_data1 = train_data[0:10]
train_data1.shape

(10, 14)

使用train_data1的数据（0-9号样本）计算梯度并更新网络参数。 

net = Network(13)
x = train_data1[:, :-1]
y = train_data1[:, -1:]
loss = net.train(x, y, iterations=1, eta=0.01)
loss

[4.497480200683046]

再取出10-19号样本作为第二个mini-batch，计算梯度并更新网络参数。

train_data2 = train_data[10:20]
x = train_data2[:, :-1]
y = train_data2[:, -1:]
loss = net.train(x, y, iterations=1, eta=0.01)
loss

[5.849682302465982]

按此方法不断的取出新的mini-batch，并逐渐更新网络参数。

接下来，将train_data分成大小为batch_size的多个mini_batch，如下代码所示：将train_data分成  个 mini_batch，其中前40个mini_batch，每个均含有10个样本，最后一个mini_batch只含有4个样本。

batch_size = 10
n = len(train_data)
mini_batches = [train_data[k:k+batch_size] for k in range(0, n, batch_size)]
print('total number of mini_batches is ', len(mini_batches))
print('first mini_batch shape ', mini_batches[0].shape)
print('last mini_batch shape ', mini_batches[-1].shape)

total number of mini_batches is
41
first mini_batch shape
(10, 14)
last mini_batch shape
(4, 14)

另外，这里是按顺序读取mini_batch，而SGD里面是随机抽取一部分样本代表总体。为了实现随机抽样的效果，我们先将train_data里面的样本顺序随机打乱，然后再抽取mini_batch。随机打乱样本顺序，需要用到np.random.shuffle函数，下面先介绍它的用法。

说明：

通过大量实验发现，模型对最后出现的数据印象更加深刻。训练数据导入后，越接近模型训练结束，最后几个批次数据对模型参数的影响越大。为了避免模型记忆影响训练效果，需要进行样本乱序操作。

# 新建一个array
a = np.array([1,2,3,4,5,6,7,8,9,10,11,12])
print('before shuffle', a)
np.random.shuffle(a)
print('after shuffle', a)

before shuffle [ 1
2
3
4
5
6
7
8
9 10 11 12]
after shuffle [ 7
2 11
3
8
6 12
1
4
5 10
9]

多次运行上面的代码，可以发现每次执行shuffle函数后的数字顺序均不同。 上面举的是一个1维数组乱序的案例，我们再观察下2维数组乱序后的效果。 

# 新建一个array
a = np.array([1,2,3,4,5,6,7,8,9,10,11,12])
a = a.reshape([6, 2])
print('before shufflen', a)
np.random.shuffle(a)
print('after shufflen', a)

before shuffle
[[ 1
2]
[ 3
4]
[ 5
6]
[ 7
8]
[ 9 10]
[11 12]]
after shuffle
[[ 1
2]
[ 3
4]
[ 5
6]
[ 9 10]
[11 12]
[ 7
8]]

观察运行结果可发现，数组的元素在第0维被随机打乱，但第1维的顺序保持不变。例如数字2仍然紧挨在数字1的后面，数字8仍然紧挨在数字7的后面，而第二维的[3, 4]并不排在[1, 2]的后面。将这部分实现SGD算法的代码集成到Network类中的train函数中，最终的完整代码如下。 

# 获取数据
train_data, test_data = load_data()
# 打乱样本顺序
np.random.shuffle(train_data)
# 将train_data分成多个mini_batch
batch_size = 10
n = len(train_data)
mini_batches = [train_data[k:k+batch_size] for k in range(0, n, batch_size)]
# 创建网络
net = Network(13)
# 依次使用每个mini_batch的数据
for mini_batch in mini_batches:
x = mini_batch[:, :-1]
y = mini_batch[:, -1:]
loss = net.train(x, y, iterations=1)

3.2 训练过程代码修改

将每个随机抽取的mini-batch数据输入到模型中用于参数训练。训练过程的核心是两层循环：

1. 第一层循环，代表样本集合要被训练遍历几次，称为“epoch”，代码如下：

for epoch_id in range(num_epochs):

1. 第二层循环，代表每次遍历时，样本集合被拆分成的多个批次，需要全部执行训练，称为“iter (iteration)”，代码如下：

for iter_id,mini_batch in emumerate(mini_batches):

在两层循环的内部是经典的四步训练流程：前向计算->计算损失->计算梯度->更新参数，这与大家之前所学是一致的，代码如下：

x = mini_batch[:, :-1]
y = mini_batch[:, -1:]
a = self.forward(x)
#前向计算
loss = self.loss(a, y)
#计算损失
gradient_w, gradient_b = self.gradient(x, y)
#计算梯度
self.update(gradient_w, gradient_b, eta)
#更新参数

将两部分改写的代码集成到Network类中的train函数中，最终的实现如下。 

import numpy as np
class Network(object):
def __init__(self, num_of_weights):
# 随机产生w的初始值
# 为了保持程序每次运行结果的一致性，此处设置固定的随机数种子
#np.random.seed(0)
self.w = np.random.randn(num_of_weights, 1)
self.b = 0.
def forward(self, x):
z = np.dot(x, self.w) + self.b
return z
def loss(self, z, y):
error = z - y
num_samples = error.shape[0]
cost = error * error
cost = np.sum(cost) / num_samples
return cost
def gradient(self, x, y):
z = self.forward(x)
N = x.shape[0]
gradient_w = 1. / N * np.sum((z-y) * x, axis=0)
gradient_w = gradient_w[:, np.newaxis]
gradient_b = 1. / N * np.sum(z-y)
return gradient_w, gradient_b
def update(self, gradient_w, gradient_b, eta = 0.01):
self.w = self.w - eta * gradient_w
self.b = self.b - eta * gradient_b
def train(self, training_data, num_epochs, batch_size=10, eta=0.01):
n = len(training_data)
losses = []
for epoch_id in range(num_epochs):
# 在每轮迭代开始之前，将训练数据的顺序随机打乱
# 然后再按每次取batch_size条数据的方式取出
np.random.shuffle(training_data)
# 将训练数据进行拆分，每个mini_batch包含batch_size条的数据
mini_batches = [training_data[k:k+batch_size] for k in range(0, n, batch_size)]
for iter_id, mini_batch in enumerate(mini_batches):
#print(self.w.shape)
#print(self.b)
x = mini_batch[:, :-1]
y = mini_batch[:, -1:]
a = self.forward(x)
loss = self.loss(a, y)
gradient_w, gradient_b = self.gradient(x, y)
self.update(gradient_w, gradient_b, eta)
losses.append(loss)
print('Epoch {:3d} / iter {:3d}, loss = {:.4f}'.
format(epoch_id, iter_id, loss))
return losses
# 获取数据
train_data, test_data = load_data()
# 创建网络
net = Network(13)
# 启动训练
losses = net.train(train_data, num_epochs=50, batch_size=100, eta=0.1)
# 画出损失函数的变化趋势
plot_x = np.arange(len(losses))
plot_y = np.array(losses)
plt.plot(plot_x, plot_y)
plt.show()

Epoch
0 / iter
0, loss = 1.0281
Epoch
0 / iter
1, loss = 0.5048
Epoch
0 / iter
2, loss = 0.6382
Epoch
0 / iter
3, loss = 0.5168
Epoch
0 / iter
4, loss = 0.1951
Epoch
1 / iter
0, loss = 0.6281
Epoch
1 / iter
1, loss = 0.4611
Epoch
1 / iter
2, loss = 0.4520
Epoch
1 / iter
3, loss = 0.3961
Epoch
1 / iter
4, loss = 0.1381
Epoch
2 / iter
0, loss = 0.5642
Epoch
2 / iter
1, loss = 0.4250
Epoch
2 / iter
2, loss = 0.4480
Epoch
2 / iter
3, loss = 0.3881
Epoch
2 / iter
4, loss = 0.1884
Epoch
3 / iter
0, loss = 0.3921
Epoch
3 / iter
1, loss = 0.5582
Epoch
3 / iter
2, loss = 0.3759
Epoch
3 / iter
3, loss = 0.3849
Epoch
3 / iter
4, loss = 0.1425
Epoch
4 / iter
0, loss = 0.3821
Epoch
4 / iter
1, loss = 0.4382
Epoch
4 / iter
2, loss = 0.3864
Epoch
4 / iter
3, loss = 0.4314
Epoch
4 / iter
4, loss = 0.0471
Epoch
5 / iter
0, loss = 0.4264
Epoch
5 / iter
1, loss = 0.3829
Epoch
5 / iter
2, loss = 0.3179
Epoch
5 / iter
3, loss = 0.4149
Epoch
5 / iter
4, loss = 0.1581
Epoch
6 / iter
0, loss = 0.3148
Epoch
6 / iter
1, loss = 0.3532
Epoch
6 / iter
2, loss = 0.4195
Epoch
6 / iter
3, loss = 0.3272
Epoch
6 / iter
4, loss = 1.2465
Epoch
7 / iter
0, loss = 0.3166
Epoch
7 / iter
1, loss = 0.2810
Epoch
7 / iter
2, loss = 0.4126
Epoch
7 / iter
3, loss = 0.3309
Epoch
7 / iter
4, loss = 0.2255
Epoch
8 / iter
0, loss = 0.2555
Epoch
8 / iter
1, loss = 0.3678
Epoch
8 / iter
2, loss = 0.3342
Epoch
8 / iter
3, loss = 0.3806
Epoch
8 / iter
4, loss = 0.0570
Epoch
9 / iter
0, loss = 0.3532
Epoch
9 / iter
1, loss = 0.3973
Epoch
9 / iter
2, loss = 0.1945
Epoch
9 / iter
3, loss = 0.2839
Epoch
9 / iter
4, loss = 0.1604
Epoch
10 / iter
0, loss = 0.3414
Epoch
10 / iter
1, loss = 0.2774
Epoch
10 / iter
2, loss = 0.3439
Epoch
10 / iter
3, loss = 0.2103
Epoch
10 / iter
4, loss = 0.0959
Epoch
11 / iter
0, loss = 0.3004
Epoch
11 / iter
1, loss = 0.2497
Epoch
11 / iter
2, loss = 0.2827
Epoch
11 / iter
3, loss = 0.2987
Epoch
11 / iter
4, loss = 0.0316
Epoch
12 / iter
0, loss = 0.2509
Epoch
12 / iter
1, loss = 0.2535
Epoch
12 / iter
2, loss = 0.2944
Epoch
12 / iter
3, loss = 0.2889
Epoch
12 / iter
4, loss = 0.0547
Epoch
13 / iter
0, loss = 0.2792
Epoch
13 / iter
1, loss = 0.2137
Epoch
13 / iter
2, loss = 0.2427
Epoch
13 / iter
3, loss = 0.2986
Epoch
13 / iter
4, loss = 0.3861
Epoch
14 / iter
0, loss = 0.3261
Epoch
14 / iter
1, loss = 0.2123
Epoch
14 / iter
2, loss = 0.1837
Epoch
14 / iter
3, loss = 0.2968
Epoch
14 / iter
4, loss = 0.0620
Epoch
15 / iter
0, loss = 0.2402
Epoch
15 / iter
1, loss = 0.2823
Epoch
15 / iter
2, loss = 0.2574
Epoch
15 / iter
3, loss = 0.1833
Epoch
15 / iter
4, loss = 0.0637
Epoch
16 / iter
0, loss = 0.1889
Epoch
16 / iter
1, loss = 0.1998
Epoch
16 / iter
2, loss = 0.2031
Epoch
16 / iter
3, loss = 0.3219
Epoch
16 / iter
4, loss = 0.1373
Epoch
17 / iter
0, loss = 0.2042
Epoch
17 / iter
1, loss = 0.2070
Epoch
17 / iter
2, loss = 0.2651
Epoch
17 / iter
3, loss = 0.2137
Epoch
17 / iter
4, loss = 0.0138
Epoch
18 / iter
0, loss = 0.1794
Epoch
18 / iter
1, loss = 0.1575
Epoch
18 / iter
2, loss = 0.2554
Epoch
18 / iter
3, loss = 0.2531
Epoch
18 / iter
4, loss = 0.2192
Epoch
19 / iter
0, loss = 0.1779
Epoch
19 / iter
1, loss = 0.2072
Epoch
19 / iter
2, loss = 0.2140
Epoch
19 / iter
3, loss = 0.2513
Epoch
19 / iter
4, loss = 0.0673
Epoch
20 / iter
0, loss = 0.1634
Epoch
20 / iter
1, loss = 0.1887
Epoch
20 / iter
2, loss = 0.2515
Epoch
20 / iter
3, loss = 0.1924
Epoch
20 / iter
4, loss = 0.0926
Epoch
21 / iter
0, loss = 0.1583
Epoch
21 / iter
1, loss = 0.2319
Epoch
21 / iter
2, loss = 0.1550
Epoch
21 / iter
3, loss = 0.2092
Epoch
21 / iter
4, loss = 0.1959
Epoch
22 / iter
0, loss = 0.2414
Epoch
22 / iter
1, loss = 0.1522
Epoch
22 / iter
2, loss = 0.1719
Epoch
22 / iter
3, loss = 0.1829
Epoch
22 / iter
4, loss = 0.2748
Epoch
23 / iter
0, loss = 0.1861
Epoch
23 / iter
1, loss = 0.1830
Epoch
23 / iter
2, loss = 0.1606
Epoch
23 / iter
3, loss = 0.2351
Epoch
23 / iter
4, loss = 0.1479
Epoch
24 / iter
0, loss = 0.1678
Epoch
24 / iter
1, loss = 0.2080
Epoch
24 / iter
2, loss = 0.1471
Epoch
24 / iter
3, loss = 0.1747
Epoch
24 / iter
4, loss = 0.1607
Epoch
25 / iter
0, loss = 0.1162
Epoch
25 / iter
1, loss = 0.2067
Epoch
25 / iter
2, loss = 0.1692
Epoch
25 / iter
3, loss = 0.1757
Epoch
25 / iter
4, loss = 0.0125
Epoch
26 / iter
0, loss = 0.1707
Epoch
26 / iter
1, loss = 0.1898
Epoch
26 / iter
2, loss = 0.1409
Epoch
26 / iter
3, loss = 0.1501
Epoch
26 / iter
4, loss = 0.1002
Epoch
27 / iter
0, loss = 0.1590
Epoch
27 / iter
1, loss = 0.1801
Epoch
27 / iter
2, loss = 0.1578
Epoch
27 / iter
3, loss = 0.1257
Epoch
27 / iter
4, loss = 0.7750
Epoch
28 / iter
0, loss = 0.1573
Epoch
28 / iter
1, loss = 0.1224
Epoch
28 / iter
2, loss = 0.1353
Epoch
28 / iter
3, loss = 0.1862
Epoch
28 / iter
4, loss = 0.5305
Epoch
29 / iter
0, loss = 0.1981
Epoch
29 / iter
1, loss = 0.1114
Epoch
29 / iter
2, loss = 0.1414
Epoch
29 / iter
3, loss = 0.1856
Epoch
29 / iter
4, loss = 0.0268
Epoch
30 / iter
0, loss = 0.0984
Epoch
30 / iter
1, loss = 0.1528
Epoch
30 / iter
2, loss = 0.1637
Epoch
30 / iter
3, loss = 0.1532
Epoch
30 / iter
4, loss = 0.0846
Epoch
31 / iter
0, loss = 0.1433
Epoch
31 / iter
1, loss = 0.1643
Epoch
31 / iter
2, loss = 0.1202
Epoch
31 / iter
3, loss = 0.1215
Epoch
31 / iter
4, loss = 0.2182
Epoch
32 / iter
0, loss = 0.1567
Epoch
32 / iter
1, loss = 0.1420
Epoch
32 / iter
2, loss = 0.1073
Epoch
32 / iter
3, loss = 0.1496
Epoch
32 / iter
4, loss = 0.0846
Epoch
33 / iter
0, loss = 0.1420
Epoch
33 / iter
1, loss = 0.1369
Epoch
33 / iter
2, loss = 0.0962
Epoch
33 / iter
3, loss = 0.1480
Epoch
33 / iter
4, loss = 0.0687
Epoch
34 / iter
0, loss = 0.1234
Epoch
34 / iter
1, loss = 0.1028
Epoch
34 / iter
2, loss = 0.1407
Epoch
34 / iter
3, loss = 0.1528
Epoch
34 / iter
4, loss = 0.0390
Epoch
35 / iter
0, loss = 0.1113
Epoch
35 / iter
1, loss = 0.1289
Epoch
35 / iter
2, loss = 0.1733
Epoch
35 / iter
3, loss = 0.0892
Epoch
35 / iter
4, loss = 0.0456
Epoch
36 / iter
0, loss = 0.1358
Epoch
36 / iter
1, loss = 0.0782
Epoch
36 / iter
2, loss = 0.1475
Epoch
36 / iter
3, loss = 0.1294
Epoch
36 / iter
4, loss = 0.0442
Epoch
37 / iter
0, loss = 0.1136
Epoch
37 / iter
1, loss = 0.0954
Epoch
37 / iter
2, loss = 0.1542
Epoch
37 / iter
3, loss = 0.1262
Epoch
37 / iter
4, loss = 0.0452
Epoch
38 / iter
0, loss = 0.1277
Epoch
38 / iter
1, loss = 0.1361
Epoch
38 / iter
2, loss = 0.1103
Epoch
38 / iter
3, loss = 0.0920
Epoch
38 / iter
4, loss = 0.4119
Epoch
39 / iter
0, loss = 0.1054
Epoch
39 / iter
1, loss = 0.1165
Epoch
39 / iter
2, loss = 0.1334
Epoch
39 / iter
3, loss = 0.1240
Epoch
39 / iter
4, loss = 0.0672
Epoch
40 / iter
0, loss = 0.1218
Epoch
40 / iter
1, loss = 0.0982
Epoch
40 / iter
2, loss = 0.1077
Epoch
40 / iter
3, loss = 0.1062
Epoch
40 / iter
4, loss = 0.4781
Epoch
41 / iter
0, loss = 0.1541
Epoch
41 / iter
1, loss = 0.1049
Epoch
41 / iter
2, loss = 0.0979
Epoch
41 / iter
3, loss = 0.1042
Epoch
41 / iter
4, loss = 0.0397
Epoch
42 / iter
0, loss = 0.0996
Epoch
42 / iter
1, loss = 0.1031
Epoch
42 / iter
2, loss = 0.1294
Epoch
42 / iter
3, loss = 0.0980
Epoch
42 / iter
4, loss = 0.1135
Epoch
43 / iter
0, loss = 0.1521
Epoch
43 / iter
1, loss = 0.1088
Epoch
43 / iter
2, loss = 0.1089
Epoch
43 / iter
3, loss = 0.0775
Epoch
43 / iter
4, loss = 0.1444
Epoch
44 / iter
0, loss = 0.0827
Epoch
44 / iter
1, loss = 0.0875
Epoch
44 / iter
2, loss = 0.1428
Epoch
44 / iter
3, loss = 0.1002
Epoch
44 / iter
4, loss = 0.0352
Epoch
45 / iter
0, loss = 0.0917
Epoch
45 / iter
1, loss = 0.1193
Epoch
45 / iter
2, loss = 0.0933
Epoch
45 / iter
3, loss = 0.1044
Epoch
45 / iter
4, loss = 0.0064
Epoch
46 / iter
0, loss = 0.1020
Epoch
46 / iter
1, loss = 0.0913
Epoch
46 / iter
2, loss = 0.0882
Epoch
46 / iter
3, loss = 0.1170
Epoch
46 / iter
4, loss = 0.0330
Epoch
47 / iter
0, loss = 0.0696
Epoch
47 / iter
1, loss = 0.0996
Epoch
47 / iter
2, loss = 0.0948
Epoch
47 / iter
3, loss = 0.1109
Epoch
47 / iter
4, loss = 0.5095
Epoch
48 / iter
0, loss = 0.0929
Epoch
48 / iter
1, loss = 0.1220
Epoch
48 / iter
2, loss = 0.1150
Epoch
48 / iter
3, loss = 0.0917
Epoch
48 / iter
4, loss = 0.0968
Epoch
49 / iter
0, loss = 0.0732
Epoch
49 / iter
1, loss = 0.0808
Epoch
49 / iter
2, loss = 0.0896
Epoch
49 / iter
3, loss = 0.1306
Epoch
49 / iter
4, loss = 0.1896

观察上述Loss的变化，随机梯度下降加快了训练过程，但由于每次仅基于少量样本更新参数和计算损失，所以损失下降曲线会出现震荡。

说明：

由于房价预测的数据量过少，所以难以感受到随机梯度下降带来的性能提升。

四、总结

本节我们详细介绍了如何使用Numpy实现梯度下降算法，构建并训练了一个简单的线性模型实现波士顿房价预测，可以总结出，使用神经网络建模房价预测有三个要点：

• 构建网络，初始化参数w和b，定义预测和损失函数的计算方法。
• 随机选择初始点，建立梯度的计算方法和参数更新方式。
• 从总的数据集中抽取部分数据作为一个mini_batch，计算梯度并更新参数，不断迭代直到损失函数几乎不再下降。

最后

以上就是帅气身影为你收集整理的深度学习入门代码详解（附代码）一、数据处理 二、模型设计三、随机梯度下降法（ Stochastic Gradient Descent）四、总结的全部内容，希望文章能够帮你解决深度学习入门代码详解（附代码）一、数据处理 二、模型设计三、随机梯度下降法（ Stochastic Gradient Descent）四、总结所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。