Gradient descent(경사하강법, 경사하강알고리즘) - 텐서플로우(tensorflow)

경사 하강 알고리즘, 경사 하강법

Cost(W,b)의 값을 최소화 하는 W,b값을 구함.

import tensorflow as tf

x_data = [?, ?, ?, ?, ?]
y_data = [?, ?, ?, ?, ?]


with tf.GradientTape() as tape:
    hypo = W * x_data + b
    cost = tf.reduce_mean(tf.square(hypo - y_data))

W_grad, b_grad = tape.gradient(cost, [W,b])

with tf.GradientTape() as tape:

• Gradient(기울기) Tape(기록)
• 이후 tape에 gradient메서드를 실행하여 cost에 대한 W와b의 편미분 값을 tuple로 전달.

learning rate

기울기 값에대한 변화량을 얼마만큼 기여할것인가

보통 0.01, 0.0001등 작은값이 사용됨.

tf.Variable().assign_sub()

변수에 assign_sub()만큼의 값을 뺀 나머지를 할당

    A.assign_sub(B)

    A = A - B

    A -= B

tensorflow에서 사용할수 없는 연산이기때문에

assign_sub메서드 사용.

코드

import tensorflow as tf

learning_rate = 0.01

x_data = [?, ?, ?, ?, ?]
y_data = [?, ?, ?, ?, ?]


# step 시작 #
with tf.GradientTape() as tape:
    hypo = W * x_data + b
    cost = tf.reduce_mean(tf.square(hypo - y_data))

W_grad, b_grad = tape.gradient(cost, [W,b])

W.assign_sub(learning_rate * W_grad)
b.assign_sub(learning_rate * b_grad)
# step 끝 #