【Python】ディープラーニングのバッチ処理とは？仕組みをわかりやすく解説！

import numpy as np

# ダミーデータ（100個のサンプル、1サンプルは10次元）
X = np.random.randn(100, 10)
y = np.random.randint(0, 2, size=(100,))  # 2クラス分類のラベル

# 初期パラメータ
W = np.random.randn(10)  # 特徴量10次元
b = 0.0
lr = 0.01  # 学習率

# バッチサイズを設定
batch_size = 20

# シグモイド関数
def sigmoid(z):
    return 1 / (1 + np.exp(-z))

# バッチ処理
for i in range(0, len(X), batch_size):
    batch_X = X[i:i+batch_size]
    batch_y = y[i:i+batch_size]

    # 線形変換 + シグモイド（ロジスティック回帰）
    z = np.dot(batch_X, W) + b
    pred = sigmoid(z)

    # 誤差と勾配
    error = pred - batch_y
    dW = np.dot(batch_X.T, error) / batch_size
    db = np.mean(error)

    # パラメータ更新
    W -= lr * dW
    b -= lr * db

    print(f'Batch {i // batch_size + 1} updated.')

Batch 1 updated.
Batch 2 updated.
Batch 3 updated.
Batch 4 updated.
Batch 5 updated.

for i in range(0, len(X), batch_size):
    batch_X = X[i:i+batch_size]
    batch_y = y[i:i+batch_size]