如何累积我在迷你批次上的损失然后计算我的渐变

Question

我的主要问题是;平均损失与平均梯度相同，我如何在迷你批次上积累我的损失然后计算我的梯度？

我一直在尝试在Tensorflow中实现策略渐变，并遇到一个问题，我无法立即将所有游戏状态都提供给我的网络然后更新。问题是如果我降低我的网络大小，然后立即训练所有帧并采取损失的平均值然后它开始很好地收敛。但是如果我在微型批次上积累渐变然后平均它们，我的渐变爆炸，我溢出我的重量。

任何帮助或见解将非常感激。

请记住，这是我第一次在这里提问。

Answer 1

您可以做的是在每个小批量之后累积渐变，然后根据梯度平均值更新权重。考虑使用单层感知器拟合50高斯斑点的简单情况：

from sklearn.datasets import make_blobs
import tensorflow as tf
import numpy as np

x_train, y_train = make_blobs(n_samples=50,
                              n_features=2,
                              centers=[[1, 1], [-1, -1]],
                              cluster_std=0.5)

with tf.name_scope('x'):
    x = tf.placeholder(tf.float32, [None, 2])
    y = tf.placeholder(tf.int32, [None])

with tf.name_scope('layer'):
    logits = tf.layers.dense(x,
                             units=2,
                             kernel_initializer=tf.contrib.layers.xavier_initializer())
with tf.name_scope('loss'):
    xentropy = tf.nn.sparse_softmax_cross_entropy_with_logits(labels=y, logits=logits)
    loss_op = tf.reduce_mean(xentropy)

张量流优化器的minimize()方法称为compute_gradients()，然后是apply_gradients()。我不打算调用minimize()，而是直接调用这两种方法。首先，为了获得渐变，我们称之为compute_gradients()（返回元组grads_and_vars的列表）和apply_gradients()而不是渐变，我将为未来渐变的平均值提供占位符：

optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.01)
grads_and_vars = optimizer.compute_gradients(loss_op)
grads = [g for g, v in grads_and_vars]

# placeholders for gradients averages
placeholder_grads = [tf.placeholder(tf.float32, [None] + g.get_shape().as_list())
                     for g in grads]

new_grads_and_vars = [(tf.reduce_mean(p, axis=0), gv[1])
                      for p, gv in zip(placeholder_grads, grads_and_vars)]

apply_grads_op = optimizer.apply_gradients(new_grads_and_vars)

在小批量生产中，我们只计算损失（您可以累计损失 - 附加到某些列表然后计算平均值）和梯度，而不应用渐变到权重。在每个时代结束时，我们执行apply_grads_op操作，同时向其占位符提供累积的渐变：

data = tf.data.Dataset.from_tensor_slices({'x':x_train, 'y':y_train}).batch(10)
iterator = data.make_initializable_iterator()
n_epochs = 2
with tf.Session() as sess:
    _ = sess.run([tf.global_variables_initializer(), iterator.initializer])
    next_batch = iterator.get_next()
    for epoch in range(n_epochs):
        epoch_grads = []
        while True:
            try:
                batch = sess.run(next_batch)
                evaled = sess.run([loss_op] + grads,
                                  feed_dict={x:batch['x'], y:batch['y']})
                epoch_grads.append(evaled[1:])
                print('batch loss:', evaled[0])
            except tf.errors.OutOfRangeError:
                _ = sess.run(iterator.initializer)
                feed_dict = {p:[g[i] for g in epoch_grads]
                             for i, p in enumerate(placeholder_grads)}
                _ = sess.run(apply_grads_op, feed_dict=feed_dict)

                break