Pytorch学习笔记——梯度下降算法

随机梯度下降算法的Python代码实现。

与梯度下降算法不同的是随机梯度下降算法，随机梯度下降算法(SGD,Stochastic Gradient Descent)是从样本中每轮随机选一个。

这样做的好处是：

        若在鞍点时，在梯度下降算法中，使用的是所有样本（可能带有噪声的）计算为0，必不可能向前推动。 而使用单个样本计算出来，不一定是每一个都会计算为0，有随机噪声会更好的推进向前。也就是如果取所有样本的话 ，是连续的；而随机取的话很大可能就会跳过鞍点。

        使用SGD的另一个意义是：大样本学习时，采用所有样本的损失，计算量太大，训练太慢。

因此SGD的代码如下：