关于torch.optim的灵活使用详解(包括重写SGD,加上L1正则)


Posted in Python onFebruary 20, 2020

torch.optim的灵活使用详解

1. 基本用法:

要构建一个优化器Optimizer,必须给它一个包含参数的迭代器来优化,然后,我们可以指定特定的优化选项,

例如学习速率,重量衰减值等。

注:如果要把model放在GPU中,需要在构建一个Optimizer之前就执行model.cuda(),确保优化器里面的参数也是在GPU中。

例子:

optimizer = optim.SGD(model.parameters(), lr = 0.01, momentum=0.9)

2. 灵活的设置各层的学习率

将model中需要进行BP的层的参数送到torch.optim中,这些层不一定是连续的。

这个时候,Optimizer的参数不是一个可迭代的变量,而是一个可迭代的字典

(字典的key必须包含'params'(查看源码可以得知optimizer通过'params'访问parameters),

其他的key就是optimizer可以接受的,比如说'lr','weight_decay'),可以将这些字典构成一个list,

这样就是一个可迭代的字典了。

注:这个时候,可以在optimizer设置选项作为关键字参数传递,这时它们将被认为是默认值(当字典里面没有这个关键字参数key-value对时,就使用这个默认的参数)

This is useful when you only want to vary a single option, while keeping all others consistent between parameter groups.

例子:

optimizer = SGD([
        {'params': model.features12.parameters(), 'lr': 1e-2},
        {'params': model.features22.parameters()},
        {'params': model.features32.parameters()},
        {'params': model.features42.parameters()},
        {'params': model.features52.parameters()},
      ], weight_decay1=5e-4, lr=1e-1, momentum=0.9)

上面创建的optim.SGD类型的Optimizer,lr默认值为1e-1,momentum默认值为0.9。features12的参数学习率为1e-2。

灵活更改各层的学习率

torch.optim.optimizer.Optimizer的初始化函数如下:

__init__(self, params, lr=<object object>, momentum=0, dampening=0, weight_decay=0, nesterov=False)

params (iterable): iterable of parameters to optimize or dicts defining parameter groups (params可以是可迭代的参数,或者一个定义参数组的字典,如上所示,字典的键值包括:params,lr,momentum,dampening,weight_decay,nesterov)

想要改变各层的学习率,可以访问optimizer的param_groups属性。type(optimizer.param_groups) -> list

optimizer.param_groups[0].keys()
Out[21]: ['dampening', 'nesterov', 'params', 'lr', 'weight_decay', 'momentum']

因此,想要更改某层参数的学习率,可以访问optimizer.param_groups,指定某个索引更改'lr'参数就可以。

def adjust_learning_rate(optimizer, decay_rate=0.9):
  for para in optimizer.param_groups:
    para['lr'] = para['lr']*decay_rate

重写torch.optim,加上L1正则

查看torch.optim.SGD等Optimizer的源码,发现没有L1正则的选项,而L1正则更容易得到稀疏解。

这个时候,可以更改/home/smiles/anaconda2/lib/python2.7/site-packages/torch/optim/sgd.py文件,模拟L2正则化的操作。

L1正则化求导如下:

dw = 1 * sign(w)

更改后的sgd.py如下:

import torch
from torch.optim.optimizer import Optimizer, required

class SGD(Optimizer):
  def __init__(self, params, lr=required, momentum=0, dampening=0,
         weight_decay1=0, weight_decay2=0, nesterov=False):
    defaults = dict(lr=lr, momentum=momentum, dampening=dampening,
            weight_decay1=weight_decay1, weight_decay2=weight_decay2, nesterov=nesterov)
    if nesterov and (momentum <= 0 or dampening != 0):
      raise ValueError("Nesterov momentum requires a momentum and zero dampening")
    super(SGD, self).__init__(params, defaults)

  def __setstate__(self, state):
    super(SGD, self).__setstate__(state)
    for group in self.param_groups:
      group.setdefault('nesterov', False)

  def step(self, closure=None):
    """Performs a single optimization step.

    Arguments:
      closure (callable, optional): A closure that reevaluates the model
        and returns the loss.
    """
    loss = None
    if closure is not None:
      loss = closure()

    for group in self.param_groups:
      weight_decay1 = group['weight_decay1']
      weight_decay2 = group['weight_decay2']
      momentum = group['momentum']
      dampening = group['dampening']
      nesterov = group['nesterov']

      for p in group['params']:
        if p.grad is None:
          continue
        d_p = p.grad.data
        if weight_decay1 != 0:
          d_p.add_(weight_decay1, torch.sign(p.data))
        if weight_decay2 != 0:
          d_p.add_(weight_decay2, p.data)
        if momentum != 0:
          param_state = self.state[p]
          if 'momentum_buffer' not in param_state:
            buf = param_state['momentum_buffer'] = torch.zeros_like(p.data)
            buf.mul_(momentum).add_(d_p)
          else:
            buf = param_state['momentum_buffer']
            buf.mul_(momentum).add_(1 - dampening, d_p)
          if nesterov:
            d_p = d_p.add(momentum, buf)
          else:
            d_p = buf

        p.data.add_(-group['lr'], d_p)

    return loss

一个使用的例子:

optimizer = SGD([
        {'params': model.features12.parameters()},
        {'params': model.features22.parameters()},
        {'params': model.features32.parameters()},
        {'params': model.features42.parameters()},
        {'params': model.features52.parameters()},
      ], weight_decay1=5e-4, lr=1e-1, momentum=0.9)

以上这篇关于torch.optim的灵活使用详解(包括重写SGD,加上L1正则)就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python列表list数组array用法实例解析
Oct 28 Python
Python利用flask sqlalchemy实现分页效果
Aug 02 Python
python虚拟环境virtualenv的安装与使用
Sep 21 Python
python 通过类中一个方法获取另一个方法变量的实例
Jan 22 Python
python+openCV调用摄像头拍摄和处理图片的实现
Aug 06 Python
twilio python自动拨打电话,播放自定义mp3音频的方法
Aug 08 Python
Django中提示消息messages的设置方式
Nov 15 Python
Python模块的定义,模块的导入,__name__用法实例分析
Jan 07 Python
Python tkinter实现简单加法计算器代码实例
May 13 Python
Win 10下Anaconda虚拟环境的教程
May 18 Python
基于opencv实现简单画板功能
Aug 02 Python
利用Selenium添加cookie实现自动登录的示例代码(fofa)
May 08 Python
Python sys模块常用方法解析
Feb 20 #Python
pytorch 实现在一个优化器中设置多个网络参数的例子
Feb 20 #Python
pytorch ImageFolder的覆写实例
Feb 20 #Python
pytorch torchvision.ImageFolder的用法介绍
Feb 20 #Python
详解python常用命令行选项与环境变量
Feb 20 #Python
用什么库写 Python 命令行程序(示例代码详解)
Feb 20 #Python
在 Linux/Mac 下为Python函数添加超时时间的方法
Feb 20 #Python
You might like
PHP 飞信好友免费短信API接口开源版
2010/07/22 PHP
浅析PHP的ASCII码转换类
2013/07/05 PHP
php实现根据url自动生成缩略图的方法
2014/09/23 PHP
PHP正则表达式过滤html标签属性(DEMO)
2016/05/04 PHP
PHP基于ICU扩展intl快速实现汉字转拼音及按拼音首字母分组排序的方法
2017/05/03 PHP
JQuery页面图片切换和新闻列表滚动效果的具体实现
2013/09/26 Javascript
jquery实现图片按比例缩放示例
2014/07/01 Javascript
JavaScript中constructor()方法的使用简介
2015/06/05 Javascript
jQuery实现可关闭固定于底(顶)部的工具条菜单效果
2015/11/06 Javascript
jQuery移动端图片上传组件
2016/06/12 Javascript
Vue 固定头 固定列 点击表头可排序的表格组件
2016/11/25 Javascript
jquery validation验证表单插件
2017/01/07 Javascript
AngularJS标签页tab选项卡切换功能经典实例详解
2018/05/16 Javascript
vue实现点击隐藏与显示实例分享
2019/02/13 Javascript
package.json配置文件构成详解
2019/08/27 Javascript
Node.js中console.log()输出彩色字体的方法示例
2019/12/01 Javascript
继承行为在 ES5 与 ES6 中的区别详解
2019/12/24 Javascript
python使用新浪微博api上传图片到微博示例
2014/01/10 Python
在RedHat系Linux上部署Python的Celery框架的教程
2015/04/07 Python
python简单分割文件的方法
2015/07/30 Python
Python中的函数作用域
2018/05/07 Python
树莓派安装OpenCV3完整过程的实现
2019/10/10 Python
Python数据可视化:幂律分布实例详解
2019/12/07 Python
python mysql自增字段AUTO_INCREMENT值的修改方式
2020/05/18 Python
基于python requests selenium爬取excel vba过程解析
2020/08/12 Python
Pytorch 图像变换函数集合小结
2021/02/01 Python
Expedia英国:全球最大的在线旅游公司
2017/09/07 全球购物
罗技美国官网:Logitech美国
2020/01/22 全球购物
西雅图电动自行车公司:Rad Power Bikes
2020/02/02 全球购物
美国婴儿和儿童服装购物网站:PatPat
2020/10/01 全球购物
公司部门司机岗位职责
2014/01/03 职场文书
农民工讨薪标语
2014/06/26 职场文书
“四风”问题对照检查材料思想汇报
2014/09/16 职场文书
2015年招聘工作总结
2014/12/12 职场文书
毕业论文答辩开场白和答辩技巧
2015/05/27 职场文书
微信小程序实现聊天室功能
2021/06/14 Javascript