Adagrad Optimizer समझाया गया: यह कैसे काम करता है, इम्प्लीमेंटेशन, और तुलना

कल्पना कीजिए कि आप एक पहाड़ी से नीचे उतर रहे हैं, लेकिन जैसे-जैसे आप आगे बढ़ते हैं, ज़मीन बदलती रहती है—कुछ हिस्से खड़ी ढलान वाले हैं और कुछ समतल। अगर आप हर बार एक ही लंबाई का कदम लें, तो आपको नीचे तक पहुँचने में दिक्कत आ सकती है या बहुत समय लग सकता है। मशीन लर्निंग में भी ग्रेडिएंट डिसेंट में कुछ ऐसा ही होता है, जहाँ सभी पैरामीटर्स के लिए एक ही लर्निंग रेट का उपयोग करना सीखने की गति को धीमा कर सकता है।

यहीं Adagrad काम आता है। यह प्रत्येक पैरामीटर के लिए प्रशिक्षण के दौरान हुए बदलाव के आधार पर स्टेप साइज को समायोजित करता है, जिससे मॉडल तेज़ और प्रभावी ढंग से सीखता है—खासकर तब, जब अलग-अलग फीचर्स के स्केल अलग-अलग हों। इस लेख में, हम समझेंगे कि Adagrad कैसे काम करता है और इसके पीछे का गणित सरल शब्दों में जानेंगे। साथ ही, हम आपको PyTorch में इसका इम्प्लीमेंटेशन दिखाएँगे और अन्य ऑप्टिमाइज़र्स से तुलना करेंगे ताकि आप अपने प्रोजेक्ट्स के लिए सबसे अच्छा चुन सकें।

Adagrad क्या है?

Adagrad (Adaptive Gradient) एक ऑप्टिमाइज़ेशन एल्गोरिद्म है जिसका उपयोग मशीन लर्निंग में विशेष रूप से डीप न्यूरल नेटवर्क्स को ट्रेन करने के लिए किया जाता है। यह प्रत्येक पैरामीटर के लिए उसके ऐतिहासिक ग्रेडिएंट्स के आधार पर लर्निंग रेट को अनुकूलित करने के लिए डिज़ाइन किया गया है। यह तरीका मशीन लर्निंग मॉडलों की दक्षता में सुधार करता है, खासकर तब जब डेटा स्पार्स हो या अलग-अलग पैरामीटर्स की कन्वर्जेंस रेट अलग हो।

Adagrad कम बार आने वाली विशेषताओं के लिए उच्च लर्निंग रेट और अधिक बार आने वाली विशेषताओं के लिए कम रेट प्रदान करता है, जो इसे स्पार्स डेटा के साथ काम करने के लिए उपयुक्त बनाता है। इसके अलावा, यह मैन्युअल रूप से लर्निंग रेट ट्यून करने की आवश्यकता को भी कम करता है!

Adagrad एल्गोरिद्म समझाया गया

आइए Adagrad एल्गोरिद्म को चरणों में समझते हैं:

चरण 1: पैरामीटर्स को इनिशियलाइज़ करें

सबसे पहले, शुरू करें:

• पैरामीटर्स के प्रारंभिक मानों से,0, जिन्हें आप ऑप्टिमाइज़ करना चाहते हैं।
• एक छोटा कॉन्स्टैंट ϵ ताकि डिवीज़न बाय ज़ीरो से बचा जा सके (आमतौर पर यह बहुत छोटा मान होता है, जैसे 10^-8).
• प्रारंभिक लर्निंग रेट η, जो शुरुआत में पैरामीटर अपडेट्स के आकार को निर्धारित करता है।

चरण 2: ग्रेडिएंट निकालें

प्रत्येक पैरामीटर 0_t​ समय चरण _t पर, लॉस फ़ंक्शन का उस पैरामीटर के सापेक्ष ग्रेडिएंट निकालते हैं। यह ग्रेडिएंट बताता है कि लॉस कम करने के लिए पैरामीटर को कितना और किस दिशा में अपडेट करना चाहिए। इसे हम कहते हैं g_t, जहाँ _t वर्तमान समय चरण है।

चरण 3: स्क्वेयर्ड ग्रेडिएंट्स को जमा करें

पैरामीटर्स को सीधे अपडेट करने के बजाय, Adagrad प्रत्येक पैरामीटर के लिए ग्रेडिएंट्स के स्क्वेयर्ड सम का ट्रैक रखता है। प्रत्येक पैरामीटर i के लिए, हर समय चरण पर स्क्वेयर्ड ग्रेडिएंट की गणना कर उसे जमा करते हैं। इस संचित ग्रेडिएंट को G_t के रूप में दर्शाते हैं।

G_t =G_t-1 + g_t²

यहाँ:

• G_t-1 पिछले समय चरण तक के स्क्वेयर्ड ग्रेडिएंट्स का योग है।
• g_t² वर्तमान समय चरण पर उस पैरामीटर का स्क्वेयर किया हुआ ग्रेडिएंट है।

यह संचित ग्रेडिएंट Adagrad को प्रत्येक पैरामीटर के लिए, उसके अपडेट होने की मात्रा के आधार पर, अलग-अलग तरीके से लर्निंग रेट समायोजित करने में मदद करता है।

चरण 4: पैरामीटर्स को अपडेट करें

अब जब आपके पास संचित स्क्वेयर्ड ग्रेडिएंट G_t​ है, तो हम प्रत्येक पैरामीटर 0_t​ को अपडेट कर सकते हैं। Adagrad के लिए अपडेट नियम इस प्रकार है:

यहाँ क्या हो रहा है:

• η प्रारंभिक लर्निंग रेट है
• G_t समय चरण t तक के संचित स्क्वेयर्ड ग्रेडिएंट्स हैं।
• ϵ डिवीज़न बाय ज़ीरो से बचने के लिए एक छोटा मान है।
• g_t​ वर्तमान समय चरण का ग्रेडिएंट है।

यह पद:

​

उन पैरामीटर्स के लिए लर्निंग रेट को प्रभावी रूप से कम कर देता है जिनका संचित ग्रेडिएंट बड़ा होता है। इसके विपरीत, जिन पैरामीटर्स के संचित ग्रेडिएंट छोटे होते हैं, उनके लिए लर्निंग रेट बड़ा रहता है।

Adagrad का सूत्र स्वतः लर्निंग रेट को अनुकूलित करता है, इस प्रकार:

• बार-बार अपडेट (बड़ा संचित ग्रेडिएंट): जिन पैरामीटर्स को अक्सर अपडेट किया जाता है, उनके लिए G_t बड़ा हो जाता है, जिससे लर्निंग रेट छोटा हो जाता है। यह पैरामीटर में बहुत बड़े बदलावों को रोकता है और सीखने को स्थिर बनाता है।
• कम अपडेट (छोटा संचित ग्रेडिएंट): जिन पैरामीटर्स को कम बार अपडेट किया जाता है, उनके लिए G_t छोटा रहता है, जिससे लर्निंग रेट बड़ा बना रहता है। यह ज़रूरत पड़ने पर अधिक सार्थक अपडेट की अनुमति देता है।

PyTorch में Adagrad इम्प्लीमेंट करना

PyTorch में Adagrad का बिल्ट-इन इम्प्लीमेंटेशन उपलब्ध है, जिसे torch.optim मॉड्यूल के माध्यम से एक्सेस किया जा सकता है। पहले, pip का उपयोग करके PyTorch इंस्टॉल करें:

pip install torch torchvision

अपना पहला न्यूरल नेटवर्क बनाना सीखें हमारे निःशुल्क कोर्स Introduction to Deep Learning with PyTorch के साथ।

यहाँ PyTorch में Adagrad ऑप्टिमाइज़र को इम्प्लीमेंट करने की चरणबद्ध गाइड है:

चरण 1: आवश्यक लाइब्रेरीज़ इम्पोर्ट करें

import torchimport torch.nn as nnimport torch.optim as optim

चरण 2: एक साधारण न्यूरल नेटवर्क परिभाषित करें

class SimpleNN(nn.Module):    def __init__(self):        super(SimpleNN, self).__init__()        self.fc1 = nn.Linear(10, 5)        self.fc2 = nn.Linear(5, 2)        def forward(self, x):        x = torch.relu(self.fc1(x))        x = self.fc2(x)        return x

चरण 3: मॉडल और ऑप्टिमाइज़र इनिशियलाइज़ करें

model = SimpleNN()criterion = nn.CrossEntropyLoss()optimizer = optim.Adagrad(model.parameters(), lr=0.01)

चरण 4: ट्रेनिंग लूप

for epoch in range(10):  # loop over the dataset multiple times    inputs = torch.randn(1, 10)  # random input tensor    labels = torch.tensor([1])   # target labels    # Zero the parameter gradients    optimizer.zero_grad()    # Forward pass    outputs = model(inputs)    loss = criterion(outputs, labels)    # Backward pass and optimize    loss.backward()    optimizer.step()    print(f'Epoch {epoch+1}, Loss: {loss.item()}')

इस कोड में, एक साधारण लीनियर मॉडल को AdaGrad ऑप्टिमाइज़र का उपयोग करके ट्रेन किया गया है। लर्निंग रेट 0.01 सेट है, लेकिन AdaGrad संचित स्क्वेयर्ड ग्रेडिएंट्स के आधार पर प्रत्येक पैरामीटर के लिए इसे समायोजित करेगा।

कोड चलाएँ, और आपको कुछ ऐसा आउटपुट दिखाई देगा:

आउटपुट प्रत्येक epoch के बाद का लॉस दिखाता है, जो बताता है कि मॉडल कितना अच्छा सीख रहा है। शुरुआत में लॉस अधिक होता है, लेकिन ट्रेनिंग बढ़ने के साथ, लॉस आमतौर पर घटता है, यानी मॉडल में सुधार हो रहा है। कुछ उतार-चढ़ाव सामान्य हैं, खासकर रैंडम इनपुट्स के साथ, लेकिन समग्र रूप से, मॉडल धीरे-धीरे बेहतर भविष्यवाणियाँ करना सीखता है।

यदि आप डीप लर्निंग को समझना चाहते हैं और जानना चाहते हैं कि मशीन लर्निंग की यह शाखा दुनिया को कैसे बदल रही है, तो हमारा कोर्स देखें Deep Learning in Python।

Adagrad बनाम अन्य ऑप्टिमाइज़र्स

आइए Adagrad की तुलना अन्य ऑप्टिमाइज़र्स जैसे Adam, SGD और RMSProp से करते हैं।

Adagard बनाम Adam

लर्निंग रेट अनुकूलन

Adagrad और Adam दोनों ही प्रत्येक पैरामीटर के लिए लर्निंग रेट को अनुकूलित करते हैं, लेकिन अलग-अलग तरीकों से। Adagrad लर्निंग रेट को स्क्वेयर्ड ग्रेडिएंट्स के सम के आधार पर स्केल करता है, जिससे समय के साथ लर्निंग रेट बहुत कम हो सकता है। दूसरी ओर, Adam ग्रेडिएंट्स के प्रथम और द्वितीय मोमेंट्स का उपयोग करता है, जिससे ट्रेनिंग के दौरान लर्निंग रेट अधिक स्थिर बना रहता है।

स्पार्स डेटा का प्रबंधन: 

Adagrad स्पार्स डेटा को संभालने के लिए विशेष रूप से उपयुक्त है क्योंकि यह कम-आवृत्ति वाली विशेषताओं को बड़ा लर्निंग रेट देता है। यह नेचुरल लैंग्वेज प्रोसेसिंग जैसे अनुप्रयोगों के लिए एक अच्छा विकल्प है, जहाँ स्पार्स ग्रेडिएंट्स आम हैं। Adam भी स्पार्स डेटा को संभाल सकता है, लेकिन आमतौर पर इसकी समग्र मजबूती और व्यापक अनुप्रयोगों में दक्षता के कारण इसे प्राथमिकता दी जाती है।

कन्वर्जेंस और प्रदर्शन

व्यवहार में तेज़ कन्वर्जेंस और बेहतर प्रदर्शन के लिए अक्सर Adam को प्राथमिकता दी जाती है, खासकर डीप लर्निंग मॉडलों और बड़े डेटासेट्स में। मोमेंटम और बायस करेक्शन का उपयोग इसे लोकल मिनिमा और सैडल पॉइंट्स में फँसने से बचाता है, जो Adagrad की एक सीमा हो सकती है।

इमेज और सीक्वेंस डेटा के मॉडलिंग के लिए CNNs, RNNs, LSTMs और GRUs जैसी मूलभूत डीप लर्निंग आर्किटेक्चर्स के बारे में जानें। हमारा कोर्स देखें Intermediate Deep Learning with PyTorch।

Adagrad बनाम अन्य ग्रेडिएंट डिसेंट एल्गोरिद्म

आइए Adagrad की तुलना SGD और RMSProp से करें

AdaGrad बनाम Stochastic Gradient Descent (SGD)

Stochastic Gradient Descent एक बुनियादी ऑप्टिमाइज़ेशन एल्गोरिद्म है जो पैरामीटर्स के सापेक्ष लॉस फ़ंक्शन के ग्रेडिएंट का उपयोग करके मॉडल पैरामीटर्स को अपडेट करता है। यह अपनी सादगी और आसान इम्प्लीमेंटेशन के लिए जाना जाता है। हालाँकि, SGD का लर्निंग रेट स्थिर रहता है, जो स्पार्स डेटा या अलग-अलग फीचर स्केल के साथ काम करते समय एक सीमा हो सकती है।

AdaGrad बनाम RMSProp

RMSProp, AdaGrad का एक विस्तार है जो डिके फ़ैक्टर पेश करके इसके घटते लर्निंग रेट की समस्या को संबोधित करता है। यह डिके फ़ैक्टर ट्रेनिंग प्रक्रिया के दौरान अधिक स्थिर लर्निंग रेट बनाए रखने में मदद करता है।

आइए Adagrad, SGD और RMSProp के फायदे और नुकसान को संक्षेप में देखें:

आम उपयोग के मामले और सीमाएँ

आइए विभिन्न संदर्भों में AdaGrad के उपयोग मामलों और सीमाओं का पता लगाएँ।

Adagrad के उपयोग के मामले

प्रत्येक पैरामीटर के लिए लर्निंग रेट को अनुकूलित करने की Adagrad की अनोखी क्षमता इसे कई परिदृश्यों के लिए आदर्श बनाती है:

1. नेचुरल लैंग्वेज प्रोसेसिंग (NLP): Adagrad का सबसे महत्वपूर्ण उपयोग NLP में है। NLP में वर्ड एम्बेडिंग्स अहम घटक होते हैं, और Adagrad इन एम्बेडिंग्स को प्रत्येक पैरामीटर के लर्निंग रेट को अनुकूलित करके ऑप्टिमाइज़ करने में उपयोग होता है।
2. रिकमेंडर सिस्टम्स: रिकमेंडर सिस्टम्स में, Adagrad रिकमेंडेशन मॉडल के वेट्स को ऑप्टिमाइज़ करने के लिए प्रयोग होता है। यह किसी उपयोगकर्ता के किसी प्रोडक्ट को पसंद करने की संभावना की भविष्यवाणी करने के लिए महत्वपूर्ण है।
3. इमेज रिकग्निशन: image recognition में, Adagrad डीप न्यूरल नेटवर्क्स के वेट्स को ऑप्टिमाइज़ करने के लिए इस्तेमाल होता है। प्रत्येक पैरामीटर के लर्निंग रेट को अनुकूलित करके, Adagrad यह सुनिश्चित करता है कि वेट्स टास्क के अनुरूप सही तरह से अपडेट हों, जिससे इमेज रिकग्निशन मॉडल की सटीकता बेहतर होती है

Adagrad की सीमाएँ

हालाँकि Adagrad कुछ स्थितियों में शक्तिशाली है, इसके साथ कुछ सीमाएँ भी आती हैं:

1. घटता हुआ लर्निंग रेट: Adagrad की एक प्रमुख सीमा यह है कि यह समय के साथ लर्निंग रेट को बहुत आक्रामक रूप से कम कर देता है। चूँकि एल्गोरिद्म शुरुआत से ही स्क्वेयर्ड ग्रेडिएंट्स को जोड़ता रहता है, प्रभावी लर्निंग रेट बहुत छोटा हो सकता है, जिससे कन्वर्जेंस धीमा हो सकता है या मॉडल सीखना ही बंद कर सकता है।
2. मेमोरी आवश्यकताएँ: Adagrad को प्रत्येक पैरामीटर के लिए ऐतिहासिक ग्रेडिएंट्स को स्टोर करने के लिए अधिक मेमोरी की आवश्यकता होती है, जो बड़े डेटासेट्स के लिए कम दक्ष हो सकता है। बड़े पैमाने के मशीन लर्निंग मॉडलों में, जहाँ मेमोरी दक्षता अहम होती है, यह एक महत्वपूर्ण कमी हो सकती है।

सीमाओं को कम करने की रणनीतियाँ

Adagrad की सीमाओं का समाधान करने के लिए आप कई रणनीतियाँ अपना सकते हैं:

1. AdaDelta और RMSProp का उपयोग: घटते लर्निंग रेट की समस्या को दूर करने के लिए AdaGrad के विस्तार जैसे AdaDelta और RMSProp विकसित किए गए हैं।
2. मोमेंटम के साथ संयोजन: AdaGrad की सीमाओं को कम करने की एक और रणनीति इसे मोमेंटम-आधारित तरीकों के साथ जोड़ना है। उदाहरण के लिए, Adam ऑप्टिमाइज़र, AdaGrad के अनुकूली लर्निंग रेट को मोमेंटम की अवधारणा के साथ जोड़ता है, जिससे व्यवहार में कन्वर्जेंस तेज़ होता है और प्रदर्शन बेहतर होता है।
3. हाइपरपैरामीटर ट्यूनिंग: प्रारंभिक लर्निंग रेट और डिवीज़न बाय ज़ीरो से बचने के लिए उपयोग किए जाने वाले epsilon मान जैसे हाइपरपैरामीटर्स का सावधानीपूर्वक ट्यूनिंग भी Adagrad की कुछ सीमाओं को कम करने में मदद कर सकता है।

हैंड्स-ऑन एक्सरसाइज़: Adagrad के साथ मॉडल का अनुकूलन

आइए एक साधारण न्यूरल नेटवर्क बनाएँ, उसे Adagrad ऑप्टिमाइज़र का उपयोग करके ट्रेन करें, और इसके प्रदर्शन की तुलना अन्य लोकप्रिय ऑप्टिमाइज़र्स से करें।

यदि आप PyTorch के बारे में अधिक सीखना चाहते हैं, तो हमारा गाइड देखें PyTorch Tutorial: Building a Simple Neural Network From Scratch.

आइए PyTorch में एक बेसिक न्यूरल नेटवर्क मॉडल बनाकर शुरू करें। हम ऐसा नेटवर्क डिज़ाइन करेंगे जो स्पार्स डेटा पर बाइनरी क्लासिफिकेशन के लिए उपयुक्त हो, जहाँ Adagrad बेहतरीन काम करता है।

import torchimport torch.nn as nnclass SparseNN(nn.Module):    def __init__(self, input_size):        super(SparseNN, self).__init__()        self.fc1 = nn.Linear(input_size, 50)        self.fc2 = nn.Linear(50, 1)        self.activation = nn.ReLU()        self.output_activation = nn.Sigmoid()    def forward(self, x):        x = self.activation(self.fc1(x))        x = self.output_activation(self.fc2(x))        return x

इस न्यूरल नेटवर्क में एक इनपुट लेयर, 50 न्यूरॉन्स वाली एक हिडन लेयर, और एक सिंगल न्यूरॉन वाली आउटपुट लेयर है। हिडन लेयर के लिए ReLU और आउटपुट लेयर के लिए Sigmoid एक्टिवेशन का उपयोग करते हैं, जो इसे बाइनरी क्लासिफिकेशन के लिए उपयुक्त बनाता है।

अब, Adagrad ऑप्टिमाइज़र का उपयोग करके अपनी ट्रेनिंग प्रक्रिया सेट करें। हम ट्रेनिंग को हैंडल करने के लिए एक फ़ंक्शन बनाएँगे:

import torch.optim as optimfrom torch.utils.data import DataLoader, TensorDataset# Function to train the modeldef train_model(model, optimizer, criterion, train_loader, num_epochs=100):    losses = []    for epoch in range(num_epochs):  # loop for each training epoch        for inputs, targets in train_loader:            # Clear gradients before each batch to avoid accumulation            optimizer.zero_grad() # Reset gradients to zero            # Forward pass - get model predictions            outputs = model(inputs)            # Calculate loss based on predictions and targets            loss = criterion(outputs, targets)            # Backward pass - calculate gradients for parameter updates based on the loss            loss.backward()            # Update model parameters based on calculated gradients            optimizer.step()        # Track loss for monitoring training progress        losses.append(loss.item())    return losses# Setup for trainingX, y = generate_sparse_data()  # This function generates our sparse datasetinput_size = X.shape[1]train_size = int(0.8 * len(X))X_train, X_test = X[:train_size], X[train_size:]y_train, y_test = y[:train_size], y[train_size:]train_dataset = TensorDataset(X_train, y_train)train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True)model = SparseNN(input_size)criterion = nn.BCELoss()  # Assuming binary classification with BCE lossoptimizer = optim.Adagrad(model.parameters(), lr=0.01)# Train the modellosses = train_model(model, optimizer, criterion, train_loader)

इस सेटअप में, हम:

1. अपना SparseNN मॉडल बनाते हैं।
2. लॉस फ़ंक्शन (बाइनरी क्रॉस-एंट्रॉपी) परिभाषित करते हैं।
3. 0.01 लर्निंग रेट के साथ Adagrad ऑप्टिमाइज़र इनिशियलाइज़ करते हैं।
4. मॉडल को 100 epochs तक ट्रेन करते हैं और हर epoch पर लॉस रिकॉर्ड करते हैं।

अब, अपने मॉडल के प्रदर्शन का आकलन करने के लिए, हम एक इवैल्युएशन फ़ंक्शन बनाएँगे:

def evaluate_model(model, test_loader):    model.eval()    correct = 0    total = 0    with torch.no_grad():        for inputs, targets in test_loader:            outputs = model(inputs)            predicted = (outputs > 0.5).float()            total += targets.size(0)            correct += (predicted == targets).sum().item()    accuracy = correct / total    return accuracy# Evaluate the modeltest_dataset = TensorDataset(X_test, y_test)test_loader = DataLoader(test_dataset, batch_size=32)accuracy = evaluate_model(model, test_loader)print(f"Adagrad Accuracy: {accuracy:.4f}")

यह फ़ंक्शन टेस्ट सेट पर हमारे मॉडल की एक्यूरेसी की गणना करता है।

अब, इसकी तुलना अन्य लोकप्रिय ऑप्टिमाइज़र्स—SGD, Adam, और RMSprop—से करें। हम प्रत्येक ऑप्टिमाइज़र के लिए प्रयोग चलाने वाला फ़ंक्शन बनाएँगे:

def run_experiment(optimizer_class, lr=0.01):    model = SparseNN(input_size)    criterion = nn.BCELoss()        if optimizer_class == optim.SGD:        optimizer = optimizer_class(model.parameters(), lr=lr, momentum=0.9)    elif optimizer_class == optim.RMSprop:        optimizer = optimizer_class(model.parameters(), lr=lr, alpha=0.99)    else:        optimizer = optimizer_class(model.parameters(), lr=lr)    losses = train_model(model, optimizer, criterion, train_loader)    accuracy = evaluate_model(model, test_loader)    return losses, accuracy# Compare optimizersoptimizers = {    'Adagrad': optim.Adagrad,    'SGD': optim.SGD,    'Adam': optim.Adam,    'RMSprop': optim.RMSprop}results = {}for name, opt_class in optimizers.items():    losses, accuracy = run_experiment(opt_class)    results[name] = {'losses': losses, 'accuracy': accuracy}print("Final accuracies:")for name, data in results.items():    print(f"{name}: {data['accuracy']:.4f}")

यह कोड चलाने के बाद, हमें निम्न परिणाम मिलते हैं:

Final accuracies:Adagrad: 0.9350SGD: 0.8950Adam: 0.9300RMSprop: 0.8600

ये परिणाम दिखाते हैं कि हमारे स्पार्स डेटा समस्या पर Adagrad ने सबसे अच्छा प्रदर्शन किया, 95.00% की सर्वाधिक एक्यूरेसी प्राप्त की। यह दर्शाता है कि Adagrad स्पार्स डेटा परिदृश्यों के लिए उपयुक्त है। Adam क़रीब-क़रीब दूसरे स्थान पर रहा, जबकि इस विशेष मामले में SGD और RMSprop का प्रदर्शन कमज़ोर रहा।

ट्रेनिंग प्रक्रिया को विज़ुअलाइज़ करने के लिए, हम लॉस कर्व्स प्लॉट कर सकते हैं:

import matplotlib.pyplot as pltplt.figure(figsize=(12, 6))for name, data in results.items():    plt.plot(data['losses'], label=f"{name} (Accuracy: {data['accuracy']:.4f})")plt.xlabel('Epochs')plt.ylabel('Loss')plt.title('Training Loss Comparison (Sparse Data)')plt.legend()plt.show()

आइए सभी कोड स्निपेट्स को जोड़ें, और यह रहा पूरा कोड।

import torchimport torch.nn as nnimport torch.optim as optimfrom torch.utils.data import DataLoader, TensorDatasetimport matplotlib.pyplot as plt# Step 1: Generate sparse synthetic datadef generate_sparse_data(n_samples=1000, n_features=100, sparsity=0.95):    X = torch.randn(n_samples, n_features)    mask = torch.rand(n_samples, n_features) < sparsity    X[mask] = 0    weights = torch.randn(n_features)    y = (torch.matmul(X, weights) > 0).float().view(-1, 1)    return X, y# Step 2: Define the neural networkclass SparseNN(nn.Module):    def __init__(self, input_size):        super(SparseNN, self).__init__()        self.fc1 = nn.Linear(input_size, 50)        self.fc2 = nn.Linear(50, 1)        self.activation = nn.ReLU()        self.output_activation = nn.Sigmoid()    def forward(self, x):        x = self.activation(self.fc1(x))        x = self.output_activation(self.fc2(x))        return x# Step 3: Train the modeldef train_model(model, optimizer, criterion, train_loader, num_epochs=100):    losses = []    for epoch in range(num_epochs):        for inputs, targets in train_loader:            optimizer.zero_grad()            outputs = model(inputs)            loss = criterion(outputs, targets)            loss.backward()            optimizer.step()        losses.append(loss.item())    return losses# Step 4: Evaluate the modeldef evaluate_model(model, test_loader):    model.eval()    correct = 0    total = 0    with torch.no_grad():        for inputs, targets in test_loader:            outputs = model(inputs)            predicted = (outputs > 0.5).float()            total += targets.size(0)            correct += (predicted == targets).sum().item()    accuracy = correct / total    return accuracy# Step 5: Main function to run the experimentdef run_experiment(optimizer_class, lr=0.01):    # Generate sparse data    X, y = generate_sparse_data()    input_size = X.shape[1]    train_size = int(0.8 * len(X))    X_train, X_test = X[:train_size], X[train_size:]    y_train, y_test = y[:train_size], y[train_size:]    # Create data loaders    train_dataset = TensorDataset(X_train, y_train)    test_dataset = TensorDataset(X_test, y_test)    train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True)    test_loader = DataLoader(test_dataset, batch_size=32)    # Initialize model and training components    model = SparseNN(input_size)    criterion = nn.BCELoss()        # Use default hyperparameters for each optimizer    if optimizer_class == optim.SGD:        optimizer = optimizer_class(model.parameters(), lr=lr, momentum=0.9)    elif optimizer_class == optim.RMSprop:        optimizer = optimizer_class(model.parameters(), lr=lr, alpha=0.99)    else:        optimizer = optimizer_class(model.parameters(), lr=lr)    # Train the model    losses = train_model(model, optimizer, criterion, train_loader)    # Evaluate the model    accuracy = evaluate_model(model, test_loader)    return losses, accuracy# Step 6: Compare Adagrad with other optimizersoptimizers = {    'Adagrad': optim.Adagrad,    'SGD': optim.SGD,    'Adam': optim.Adam,    'RMSprop': optim.RMSprop}results = {}for name, opt_class in optimizers.items():    losses, accuracy = run_experiment(opt_class)    results[name] = {'losses': losses, 'accuracy': accuracy}# Step 7: Plot resultsplt.figure(figsize=(12, 6))for name, data in results.items():    plt.plot(data['losses'], label=f"{name} (Accuracy: {data['accuracy']:.4f})")plt.xlabel('Epochs')plt.ylabel('Loss')plt.title('Training Loss Comparison (Sparse Data)')plt.legend()plt.show()print("Final accuracies:")for name, data in results.items():    print(f"{name}: {data['accuracy']:.4f}")

यह रहा परिणाम:

निष्कर्ष

Adagrad स्पार्स डेटा के साथ काम करते समय उपयोगी है क्योंकि इसका लर्निंग रेट अनुकूलनशील होता है। हमने एक बेसिक न्यूरल नेटवर्क बनाया और उसे Adagrad से ट्रेन किया, फिर इसके प्रदर्शन की तुलना अन्य प्रसिद्ध ऑप्टिमाइज़ेशन एल्गोरिद्म से की। परिणामों ने स्पष्ट रूप से Adagrad के पक्ष में संकेत दिया, यह दिखाते हुए कि यह स्पार्स डेटा को बेहतर संभालता है।

मैंने PyTorch, डीप लर्निंग, और अन्य ऑप्टिमाइज़ेशन एल्गोरिद्म पर कुछ बेहतरीन संसाधन भी चुने हैं। अधिक गहराई से सीखने के लिए इन्हें अवश्य देखें:

• PyTorch Tutorial: Building a Simple Neural Network From Scratch
• Adam Optimizer Tutorial: Intuition and Implementation in Python
• Stochastic Gradient Descent in Python: A Complete Guide for ML Optimization
• Introduction to Deep Learning with PyTorch
• Intermediate Deep Learning with PyTorch
• Deep Learning for Images with PyTorch