add 7.8

code/d2lzh_pytorch/utils.py

@@ -611,7 +611,7 @@ def train_pytorch_ch7(optimizer_fn, optimizer_hyperparams, features, labels,
     optimizer = optimizer_fn(net.parameters(), **optimizer_hyperparams)
 
     def eval_loss():
-        return loss(net(features), labels).mean().item()
+        return loss(net(features).view(-1), labels).item() / 2
 
     ls = [eval_loss()]
     data_iter = torch.utils.data.DataLoader(
@@ -620,7 +620,8 @@ def train_pytorch_ch7(optimizer_fn, optimizer_hyperparams, features, labels,
     for _ in range(num_epochs):
         start = time.time()
         for batch_i, (X, y) in enumerate(data_iter):
-            l = loss(net(X), y)
+            # 除以2是为了和train_ch7保持一致, 因为squared_loss中除了2
+            l = loss(net(X).view(-1), y) / 2 
             
             optimizer.zero_grad()
             l.backward()

docs/chapter07_optimization/7.8_adam.md

+# 7.8 Adam算法
+
+Adam算法在RMSProp算法基础上对小批量随机梯度也做了指数加权移动平均 [1]。下面我们来介绍这个算法。
+> 所以Adam算法可以看做是RMSProp算法与动量法的结合。
+
+## 7.8.1 算法
+
+Adam算法使用了动量变量$\boldsymbol{v}_t$和RMSProp算法中小批量随机梯度按元素平方的指数加权移动平均变量$\boldsymbol{s}_t$，并在时间步0将它们中每个元素初始化为0。给定超参数$0 \leq \beta_1 < 1$（算法作者建议设为0.9），时间步$t$的动量变量$\boldsymbol{v}_t$即小批量随机梯度$\boldsymbol{g}_t$的指数加权移动平均：
+
+$$\boldsymbol{v}_t \leftarrow \beta_1 \boldsymbol{v}_{t-1} + (1 - \beta_1) \boldsymbol{g}_t. $$
+
+和RMSProp算法中一样，给定超参数$0 \leq \beta_2 < 1$（算法作者建议设为0.999），
+将小批量随机梯度按元素平方后的项$\boldsymbol{g}_t \odot \boldsymbol{g}_t$做指数加权移动平均得到$\boldsymbol{s}_t$：
+
+$$\boldsymbol{s}_t \leftarrow \beta_2 \boldsymbol{s}_{t-1} + (1 - \beta_2) \boldsymbol{g}_t \odot \boldsymbol{g}_t. $$
+
+由于我们将$\boldsymbol{v}_0$和$\boldsymbol{s}_0$中的元素都初始化为0，
+在时间步$t$我们得到$\boldsymbol{v}_t =  (1-\beta_1) \sum_{i=1}^t \beta_1^{t-i} \boldsymbol{g}_i$。将过去各时间步小批量随机梯度的权值相加，得到 $(1-\beta_1) \sum_{i=1}^t \beta_1^{t-i} = 1 - \beta_1^t$。需要注意的是，当$t$较小时，过去各时间步小批量随机梯度权值之和会较小。例如，当$\beta_1 = 0.9$时，$\boldsymbol{v}_1 = 0.1\boldsymbol{g}_1$。为了消除这样的影响，对于任意时间步$t$，我们可以将$\boldsymbol{v}_t$再除以$1 - \beta_1^t$，从而使过去各时间步小批量随机梯度权值之和为1。这也叫作偏差修正。在Adam算法中，我们对变量$\boldsymbol{v}_t$和$\boldsymbol{s}_t$均作偏差修正：
+
+$$\hat{\boldsymbol{v}}_t \leftarrow \frac{\boldsymbol{v}_t}{1 - \beta_1^t}, $$
+
+$$\hat{\boldsymbol{s}}_t \leftarrow \frac{\boldsymbol{s}_t}{1 - \beta_2^t}. $$
+
+
+接下来，Adam算法使用以上偏差修正后的变量$\hat{\boldsymbol{v}}_t$和$\hat{\boldsymbol{s}}_t$，将模型参数中每个元素的学习率通过按元素运算重新调整：
+
+$$\boldsymbol{g}_t' \leftarrow \frac{\eta \hat{\boldsymbol{v}}_t}{\sqrt{\hat{\boldsymbol{s}}_t} + \epsilon},$$
+
+其中$\eta$是学习率，$\epsilon$是为了维持数值稳定性而添加的常数，如$10^{-8}$。和AdaGrad算法、RMSProp算法以及AdaDelta算法一样，目标函数自变量中每个元素都分别拥有自己的学习率。最后，使用$\boldsymbol{g}_t'$迭代自变量：
+
+$$\boldsymbol{x}_t \leftarrow \boldsymbol{x}_{t-1} - \boldsymbol{g}_t'. $$
+
+## 7.8.2 从零开始实现
+
+我们按照Adam算法中的公式实现该算法。其中时间步$t$通过`hyperparams`参数传入`adam`函数。
+
+``` python
+%matplotlib inline
+import torch
+import sys
+sys.path.append("..") 
+import d2lzh_pytorch as d2l
+
+features, labels = d2l.get_data_ch7()
+
+def init_adam_states():
+    v_w, v_b = torch.zeros((features.shape[1], 1), dtype=torch.float32), torch.zeros(1, dtype=torch.float32)
+    s_w, s_b = torch.zeros((features.shape[1], 1), dtype=torch.float32), torch.zeros(1, dtype=torch.float32)
+    return ((v_w, s_w), (v_b, s_b))
+
+def adam(params, states, hyperparams):
+    beta1, beta2, eps = 0.9, 0.999, 1e-6
+    for p, (v, s) in zip(params, states):
+        v[:] = beta1 * v + (1 - beta1) * p.grad.data
+        s[:] = beta2 * s + (1 - beta2) * p.grad.data**2
+        v_bias_corr = v / (1 - beta1 ** hyperparams['t'])
+        s_bias_corr = s / (1 - beta2 ** hyperparams['t'])
+        p.data -= hyperparams['lr'] * v_bias_corr / (torch.sqrt(s_bias_corr) + eps)
+    hyperparams['t'] += 1
+```
+
+使用学习率为0.01的Adam算法来训练模型。
+
+``` python
+d2l.train_ch7(adam, init_adam_states(), {'lr': 0.01, 't': 1}, features, labels)
+```
+
+输出：
+```
+loss: 0.245370, 0.065155 sec per epoch
+```
+<div align=center>
+<img width="300" src="../../img/chapter07/7.8_output1.png"/>
+</div>
+
+
+## 7.8.3 简洁实现
+
+通过名称为“adam”的`Trainer`实例，我们便可使用Gluon提供的Adam算法。
+
+``` python
+d2l.train_pytorch_ch7(torch.optim.Adam, {'lr': 0.01}, features, labels)
+```
+输出：
+```
+loss: 0.242066, 0.056867 sec per epoch
+```
+<div align=center>
+<img width="300" src="../../img/chapter07/7.8_output2.png"/>
+</div>
+
+## 小结
+
+* Adam算法在RMSProp算法的基础上对小批量随机梯度也做了指数加权移动平均。
+* Adam算法使用了偏差修正。
+
+
+## 参考文献
+
+[1] Kingma, D. P., & Ba, J. (2014). Adam: A method for stochastic optimization. arXiv preprint arXiv:1412.6980.
+
+-----------
+> 注：除代码外本节与原书此节基本相同，[原书传送门](https://zh.d2l.ai/chapter_optimization/adam.html)
+