Мини-батч градиентный спуск

Мини-батч градиентный спуск — способ, которым обучают почти любую нейронную сеть: разбейте данные на небольшие батчи и обновляйте веса после каждого.

Обучите y = w × x + b по среднеквадратичной ошибке, начиная с w = 0 и b = 0. В каждой эпохе разбивайте примеры по порядку на батчи по batch_size (последний батч может быть меньше). Для каждого батча размера n:

1. errorᵢ = w × xᵢ + b - yᵢ для каждого примера в батче
2. dw = (2 / n) × Σ errorᵢ × xᵢ и db = (2 / n) × Σ errorᵢ
3. w ← w - learning_rate × dw и b ← b - learning_rate × db

Реализуйте train_mini_batch(xs, ys, batch_size, learning_rate, epochs).

Входные данные

xs, ys: Точки данных (одинаковой длины).

batch_size: Число примеров в батче.

learning_rate, epochs: Размер шага и число проходов по данным.

Выходные данные

Верните [w, b] после обучения.

Ограничения

1 ≤ число точек ≤ 1 000, 1 ≤ batch_size ≤ число точек, 0 ≤ epochs ≤ 1 000

0 < learning_rate ≤ 1

-100 ≤ каждое значение ≤ 100

Примеры

Ввод:
xs = [1.0, 2.0, 3.0]
ys = [2.0, 4.0, 6.0]
epochs = 1
batch_size = 2
learning_rate = 0.1

Ожидаемый вывод:
expected = [2.44, 1.08]

Ввод:
std::vector<double> xs = {1.0, 2.0, 3.0};
std::vector<double> ys = {2.0, 4.0, 6.0};
long long epochs = 1;
long long batch_size = 2;
double learning_rate = 0.1;

Ожидаемый вывод:
std::vector<double> expected = {2.44, 1.08};

Ввод:
double[] xs = new double[] {1.0, 2.0, 3.0};
double[] ys = new double[] {2.0, 4.0, 6.0};
long epochs = 1;
long batch_size = 2;
double learning_rate = 0.1;

Ожидаемый вывод:
double[] expected = new double[] {2.44, 1.08};

Ввод:
xs = [1.0, 2.0, 3.0, 4.0]
ys = [3.0, 5.0, 7.0, 9.0]
epochs = 1
batch_size = 4
learning_rate = 0.05

Ожидаемый вывод:
expected = [1.75, 0.6]

Ввод:
std::vector<double> xs = {1.0, 2.0, 3.0, 4.0};
std::vector<double> ys = {3.0, 5.0, 7.0, 9.0};
long long epochs = 1;
long long batch_size = 4;
double learning_rate = 0.05;

Ожидаемый вывод:
std::vector<double> expected = {1.75, 0.6};

Ввод:
double[] xs = new double[] {1.0, 2.0, 3.0, 4.0};
double[] ys = new double[] {3.0, 5.0, 7.0, 9.0};
long epochs = 1;
long batch_size = 4;
double learning_rate = 0.05;

Ожидаемый вывод:
double[] expected = new double[] {1.75, 0.6};

Ссылки

Это задание адаптировано для CodeUtility. Следуйте условию и ограничениям выше.

• Deep Learning book, Chapter 8: Optimization for Training Deep Models
• Stanford CS231n, Neural Networks Part 3: parameter updates