.. _sec_scheduler: 学习率调度器 ============ 到目前为止,我们主要关注如何更新权重向量的优化算法,而不是它们的更新速率。 然而,调整学习率通常与实际算法同样重要,有如下几方面需要考虑: - 首先,学习率的大小很重要。如果它太大,优化就会发散;如果它太小,训练就会需要过长时间,或者我们最终只能得到次优的结果。我们之前看到问题的条件数很重要(有关详细信息,请参见 :numref:`sec_momentum`\ )。直观地说,这是最不敏感与最敏感方向的变化量的比率。 - 其次,衰减速率同样很重要。如果学习率持续过高,我们可能最终会在最小值附近弹跳,从而无法达到最优解。 :numref:`sec_minibatch_sgd`\ 比较详细地讨论了这一点,在 :numref:`sec_sgd`\ 中我们则分析了性能保证。简而言之,我们希望速率衰减,但要比\ :math:`\mathcal{O}(t^{-\frac{1}{2}})`\ 慢,这样能成为解决凸问题的不错选择。 - 另一个同样重要的方面是初始化。这既涉及参数最初的设置方式(详情请参阅 :numref:`sec_numerical_stability`\ ),又关系到它们最初的演变方式。这被戏称为\ *预热*\ (warmup),即我们最初开始向着解决方案迈进的速度有多快。一开始的大步可能没有好处,特别是因为最初的参数集是随机的。最初的更新方向可能也是毫无意义的。 - 最后,还有许多优化变体可以执行周期性学习率调整。这超出了本章的范围,我们建议读者阅读 :cite:`Izmailov.Podoprikhin.Garipov.ea.2018`\ 来了解个中细节。例如,如何通过对整个路径参数求平均值来获得更好的解。 鉴于管理学习率需要很多细节,因此大多数深度学习框架都有自动应对这个问题的工具。 在本章中,我们将梳理不同的调度策略对准确性的影响,并展示如何通过\ *学习率调度器*\ (learning rate scheduler)来有效管理。 一个简单的问题 -------------- 我们从一个简单的问题开始,这个问题可以轻松计算,但足以说明要义。 为此,我们选择了一个稍微现代化的LeNet版本(激活函数使用\ ``relu``\ 而不是\ ``sigmoid``\ ,汇聚层使用最大汇聚层而不是平均汇聚层),并应用于Fashion-MNIST数据集。 此外,我们混合网络以提高性能。 由于大多数代码都是标准的,我们只介绍基础知识,而不做进一步的详细讨论。如果需要,请参阅 :numref:`chap_cnn`\ 进行复习。 .. raw:: html
mindsporepytorch
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python %matplotlib inline import math import mindspore from mindspore import nn, ops, value_and_grad from d2l import mindspore as d2l def net_fn(): model = nn.SequentialCell( nn.Conv2d(1, 6, kernel_size=5, padding=2, pad_mode='pad'), nn.ReLU(), nn.MaxPool2d(kernel_size=2, stride=2), nn.Conv2d(6, 16, kernel_size=5, pad_mode='valid'), nn.ReLU(), nn.MaxPool2d(kernel_size=2, stride=2), nn.Flatten(), nn.Dense(16 * 5 * 5, 120), nn.ReLU(), nn.Dense(120, 84), nn.ReLU(), nn.Dense(84, 10)) return model loss = nn.CrossEntropyLoss() batch_size = 256 train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size=batch_size) steps_per_epoch = train_iter.get_dataset_size() # 代码几乎与d2l.train_ch6定义在卷积神经网络一章LeNet一节中的相同 def train(net, train_iter, test_iter, num_epochs, loss, trainer, device=None): # 定义前向传播函数 def forward_fn(x, y): y_hat = net(x) l = loss(y_hat, y) return l, y_hat grad_fn = value_and_grad(forward_fn, None, weights=net.trainable_params(), has_aux=True) # 定义模型单步训练 def train_step(X, y): (l, y_hat), grads = grad_fn(X, y) trainer(grads) # optim return l, y_hat animator = d2l.Animator(xlabel='epoch', xlim=[0, num_epochs], ylim=[0, 2.3], legend=['train loss', 'train acc', 'test acc']) for epoch in range(num_epochs): metric = d2l.Accumulator(3) # train_loss,train_acc,num_examples for i, (X, y) in enumerate(train_iter): l, y_hat = train_step(X, y) metric.add(l.asnumpy() * X.shape[0], d2l.accuracy(y_hat, y), X.shape[0]) train_loss = metric[0] / metric[2] train_acc = metric[1] / metric[2] if (i + 1) % 50 == 0: animator.add(epoch + i / train_iter.get_dataset_size(), (train_loss, train_acc, None)) test_acc = d2l.evaluate_accuracy_gpu(net, test_iter) animator.add(epoch+1, (None, None, test_acc)) print(f'train loss {train_loss:.3f}, train acc {train_acc:.3f}, ' f'test acc {test_acc:.3f}') .. raw:: html
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python %matplotlib inline import math import torch from torch import nn from torch.optim import lr_scheduler from d2l import torch as d2l def net_fn(): model = nn.Sequential( nn.Conv2d(1, 6, kernel_size=5, padding=2), nn.ReLU(), nn.MaxPool2d(kernel_size=2, stride=2), nn.Conv2d(6, 16, kernel_size=5), nn.ReLU(), nn.MaxPool2d(kernel_size=2, stride=2), nn.Flatten(), nn.Linear(16 * 5 * 5, 120), nn.ReLU(), nn.Linear(120, 84), nn.ReLU(), nn.Linear(84, 10)) return model loss = nn.CrossEntropyLoss() device = d2l.try_gpu() batch_size = 256 train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size=batch_size) # 代码几乎与d2l.train_ch6定义在卷积神经网络一章LeNet一节中的相同 def train(net, train_iter, test_iter, num_epochs, loss, trainer, device, scheduler=None): net.to(device) animator = d2l.Animator(xlabel='epoch', xlim=[0, num_epochs], legend=['train loss', 'train acc', 'test acc']) for epoch in range(num_epochs): metric = d2l.Accumulator(3) # train_loss,train_acc,num_examples for i, (X, y) in enumerate(train_iter): net.train() trainer.zero_grad() X, y = X.to(device), y.to(device) y_hat = net(X) l = loss(y_hat, y) l.backward() trainer.step() with torch.no_grad(): metric.add(l * X.shape[0], d2l.accuracy(y_hat, y), X.shape[0]) train_loss = metric[0] / metric[2] train_acc = metric[1] / metric[2] if (i + 1) % 50 == 0: animator.add(epoch + i / len(train_iter), (train_loss, train_acc, None)) test_acc = d2l.evaluate_accuracy_gpu(net, test_iter) animator.add(epoch+1, (None, None, test_acc)) if scheduler: if scheduler.__module__ == lr_scheduler.__name__: # UsingPyTorchIn-Builtscheduler scheduler.step() else: # Usingcustomdefinedscheduler for param_group in trainer.param_groups: param_group['lr'] = scheduler(epoch) print(f'train loss {train_loss:.3f}, train acc {train_acc:.3f}, ' f'test acc {test_acc:.3f}') .. raw:: html
.. raw:: html
让我们来看看如果使用默认设置,调用此算法会发生什么。 例如设学习率为\ :math:`0.3`\ 并训练\ :math:`30`\ 次迭代。 留意在超过了某点、测试准确度方面的进展停滞时,训练准确度将如何继续提高。 两条曲线之间的间隙表示过拟合。 .. raw:: html
mindsporepytorch
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python lr, num_epochs = 0.3, 30 net = net_fn() trainer = nn.SGD(net.trainable_params(), lr) train(net, train_iter, test_iter, num_epochs, loss, trainer) .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output train loss 0.137, train acc 0.948, test acc 0.884 .. figure:: output_lr-scheduler_1dfeb6_12_1.svg .. raw:: html
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python lr, num_epochs = 0.3, 30 net = net_fn() trainer = torch.optim.SGD(net.parameters(), lr=lr) train(net, train_iter, test_iter, num_epochs, loss, trainer, device) .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output train loss 0.135, train acc 0.949, test acc 0.894 .. figure:: output_lr-scheduler_1dfeb6_15_1.svg .. raw:: html
.. raw:: html
学习率调度器 ------------ 我们可以在每个迭代轮数(甚至在每个小批量)之后向下调整学习率。 例如,以动态的方式来响应优化的进展情况。 .. raw:: html
mindsporepytorch
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python lr = 0.1 mindspore.ops.assign(trainer.learning_rate, lr) print(f'learning rate is now {trainer.learning_rate.data.asnumpy():.2f}') .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output learning rate is now 0.10 .. raw:: html
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python lr = 0.1 trainer.param_groups[0]["lr"] = lr print(f'learning rate is now {trainer.param_groups[0]["lr"]:.2f}') .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output learning rate is now 0.10 .. raw:: html
.. raw:: html
更通常而言,我们应该定义一个调度器。 当调用更新次数时,它将返回学习率的适当值。 让我们定义一个简单的方法,将学习率设置为\ :math:`\eta = \eta_0 (t + 1)^{-\frac{1}{2}}`\ 。 .. raw:: latex \diilbookstyleinputcell .. code:: python class SquareRootScheduler: def __init__(self, lr=0.1): self.lr = lr def __call__(self, num_update): return self.lr * pow(num_update + 1.0, -0.5) 让我们在一系列值上绘制它的行为。 .. raw:: html
mindsporepytorch
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python scheduler = SquareRootScheduler(lr=0.1) d2l.plot(ops.arange(num_epochs), [scheduler(t) for t in range(num_epochs)]) .. figure:: output_lr-scheduler_1dfeb6_32_0.svg .. raw:: html
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python scheduler = SquareRootScheduler(lr=0.1) d2l.plot(torch.arange(num_epochs), [scheduler(t) for t in range(num_epochs)]) .. figure:: output_lr-scheduler_1dfeb6_35_0.svg .. raw:: html
.. raw:: html
现在让我们来看看这对在Fashion-MNIST数据集上的训练有何影响。 我们只是提供调度器作为训练算法的额外参数。 .. raw:: html
mindsporepytorch
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python net = net_fn() lr_list = mindspore.Tensor([scheduler(t) for t in range(num_epochs) for i in range(steps_per_epoch)]) trainer = nn.SGD(net.trainable_params(), lr_list) train(net, train_iter, test_iter, num_epochs, loss, trainer) .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output train loss 0.297, train acc 0.892, test acc 0.874 .. figure:: output_lr-scheduler_1dfeb6_41_1.svg .. raw:: html
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python net = net_fn() trainer = torch.optim.SGD(net.parameters(), lr) train(net, train_iter, test_iter, num_epochs, loss, trainer, device, scheduler) .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output train loss 0.278, train acc 0.899, test acc 0.881 .. figure:: output_lr-scheduler_1dfeb6_44_1.svg .. raw:: html
.. raw:: html
这比以前好一些:曲线比以前更加平滑,并且过拟合更小了。 遗憾的是,关于为什么在理论上某些策略会导致较轻的过拟合,有一些观点认为,较小的步长将导致参数更接近零,因此更简单。 但是,这并不能完全解释这种现象,因为我们并没有真正地提前停止,而只是轻柔地降低了学习率。 策略 ---- 虽然我们不可能涵盖所有类型的学习率调度器,但我们会尝试在下面简要概述常用的策略:多项式衰减和分段常数表。 此外,余弦学习率调度在实践中的一些问题上运行效果很好。 在某些问题上,最好在使用较高的学习率之前预热优化器。 单因子调度器 ~~~~~~~~~~~~ 多项式衰减的一种替代方案是乘法衰减,即\ :math:`\eta_{t+1} \leftarrow \eta_t \cdot \alpha`\ 其中\ :math:`\alpha \in (0, 1)`\ 。 为了防止学习率衰减到一个合理的下界之下, 更新方程经常修改为\ :math:`\eta_{t+1} \leftarrow \mathop{\mathrm{max}}(\eta_{\mathrm{min}}, \eta_t \cdot \alpha)`\ 。 .. raw:: html
mindsporepytorch
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python class FactorScheduler: def __init__(self, factor=1, stop_factor_lr=1e-7, base_lr=0.1): self.factor = factor self.stop_factor_lr = stop_factor_lr self.base_lr = base_lr def __call__(self, num_update): self.base_lr = max(self.stop_factor_lr, self.base_lr * self.factor) return self.base_lr scheduler = FactorScheduler(factor=0.9, stop_factor_lr=1e-2, base_lr=2.0) d2l.plot(ops.arange(50), [scheduler(t) for t in range(50)]) .. figure:: output_lr-scheduler_1dfeb6_50_0.svg .. raw:: html
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python class FactorScheduler: def __init__(self, factor=1, stop_factor_lr=1e-7, base_lr=0.1): self.factor = factor self.stop_factor_lr = stop_factor_lr self.base_lr = base_lr def __call__(self, num_update): self.base_lr = max(self.stop_factor_lr, self.base_lr * self.factor) return self.base_lr scheduler = FactorScheduler(factor=0.9, stop_factor_lr=1e-2, base_lr=2.0) d2l.plot(torch.arange(50), [scheduler(t) for t in range(50)]) .. figure:: output_lr-scheduler_1dfeb6_53_0.svg .. raw:: html
.. raw:: html
接下来,我们将使用内置的调度器,但在这里仅解释它们的功能。 多因子调度器 ~~~~~~~~~~~~ 训练深度网络的常见策略之一是保持学习率为一组分段的常量,并且不时地按给定的参数对学习率做乘法衰减。 具体地说,给定一组降低学习率的时间点,例如\ :math:`s = \{5, 10, 20\}`\ , 每当\ :math:`t \in s`\ 时,降低\ :math:`\eta_{t+1} \leftarrow \eta_t \cdot \alpha`\ 。 假设每步中的值减半,我们可以按如下方式实现这一点。 .. raw:: html
mindsporepytorch
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python class MultiFactorScheduler: def __init__(self, step, factor, base_lr): self.step = step self.factor = factor self.base_lr = base_lr self.applied = set() def __call__(self, epoch): if epoch in self.step and epoch not in self.applied: self.base_lr = self.base_lr * self.factor self.applied.add(epoch) return self.base_lr .. raw:: html
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python net = net_fn() trainer = torch.optim.SGD(net.parameters(), lr=0.5) scheduler = lr_scheduler.MultiStepLR(trainer, milestones=[15, 30], gamma=0.5) def get_lr(trainer, scheduler): lr = scheduler.get_last_lr()[0] trainer.step() scheduler.step() return lr d2l.plot(torch.arange(num_epochs), [get_lr(trainer, scheduler) for t in range(num_epochs)]) .. figure:: output_lr-scheduler_1dfeb6_62_0.svg .. raw:: html
.. raw:: html
这种分段恒定学习率调度背后的直觉是,让优化持续进行,直到权重向量的分布达到一个驻点。 此时,我们才将学习率降低,以获得更高质量的代理来达到一个良好的局部最小值。 下面的例子展示了如何使用这种方法产生更好的解决方案。 .. raw:: html
mindsporepytorch
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python net = net_fn() lr_list = mindspore.Tensor([scheduler(t) for t in range(num_epochs) for i in range(steps_per_epoch)]) trainer = nn.SGD(net.trainable_params(), lr_list) train(net, train_iter, test_iter, num_epochs, loss, trainer) .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output train loss 0.448, train acc 0.839, test acc 0.838 .. figure:: output_lr-scheduler_1dfeb6_68_1.svg .. raw:: html
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python net = net_fn() trainer = torch.optim.SGD(net.parameters(), lr=0.5) scheduler = lr_scheduler.MultiStepLR(trainer, milestones=[15, 30], gamma=0.5) train(net, train_iter, test_iter, num_epochs, loss, trainer, device, scheduler) .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output train loss 0.145, train acc 0.945, test acc 0.879 .. figure:: output_lr-scheduler_1dfeb6_71_1.svg .. raw:: html
.. raw:: html
余弦调度器 ~~~~~~~~~~ 余弦调度器是 :cite:`Loshchilov.Hutter.2016`\ 提出的一种启发式算法。 它所依据的观点是:我们可能不想在一开始就太大地降低学习率,而且可能希望最终能用非常小的学习率来“改进”解决方案。 这产生了一个类似于余弦的调度,函数形式如下所示,学习率的值在\ :math:`t \in [0, T]`\ 之间。 .. math:: \eta_t = \eta_T + \frac{\eta_0 - \eta_T}{2} \left(1 + \cos(\pi t/T)\right) 这里\ :math:`\eta_0`\ 是初始学习率,\ :math:`\eta_T`\ 是当\ :math:`T`\ 时的目标学习率。 此外,对于\ :math:`t > T`\ ,我们只需将值固定到\ :math:`\eta_T`\ 而不再增加它。 在下面的示例中,我们设置了最大更新步数\ :math:`T = 20`\ 。 .. raw:: html
mindsporepytorch
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python class CosineScheduler: def __init__(self, max_update, base_lr=0.01, final_lr=0, warmup_steps=0, warmup_begin_lr=0): self.base_lr_orig = base_lr self.max_update = max_update self.final_lr = final_lr self.warmup_steps = warmup_steps self.warmup_begin_lr = warmup_begin_lr self.max_steps = self.max_update - self.warmup_steps def get_warmup_lr(self, epoch): increase = (self.base_lr_orig - self.warmup_begin_lr) \ * float(epoch) / float(self.warmup_steps) return self.warmup_begin_lr + increase def __call__(self, epoch): if epoch < self.warmup_steps: return self.get_warmup_lr(epoch) if epoch <= self.max_update: self.base_lr = self.final_lr + ( self.base_lr_orig - self.final_lr) * (1 + math.cos( math.pi * (epoch - self.warmup_steps) / self.max_steps)) / 2 return self.base_lr scheduler = CosineScheduler(max_update=20, base_lr=0.3, final_lr=0.01) d2l.plot(ops.arange(num_epochs), [scheduler(t) for t in range(num_epochs)]) .. figure:: output_lr-scheduler_1dfeb6_77_0.svg .. raw:: html
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python class CosineScheduler: def __init__(self, max_update, base_lr=0.01, final_lr=0, warmup_steps=0, warmup_begin_lr=0): self.base_lr_orig = base_lr self.max_update = max_update self.final_lr = final_lr self.warmup_steps = warmup_steps self.warmup_begin_lr = warmup_begin_lr self.max_steps = self.max_update - self.warmup_steps def get_warmup_lr(self, epoch): increase = (self.base_lr_orig - self.warmup_begin_lr) \ * float(epoch) / float(self.warmup_steps) return self.warmup_begin_lr + increase def __call__(self, epoch): if epoch < self.warmup_steps: return self.get_warmup_lr(epoch) if epoch <= self.max_update: self.base_lr = self.final_lr + ( self.base_lr_orig - self.final_lr) * (1 + math.cos( math.pi * (epoch - self.warmup_steps) / self.max_steps)) / 2 return self.base_lr scheduler = CosineScheduler(max_update=20, base_lr=0.3, final_lr=0.01) d2l.plot(torch.arange(num_epochs), [scheduler(t) for t in range(num_epochs)]) .. figure:: output_lr-scheduler_1dfeb6_80_0.svg .. raw:: html
.. raw:: html
在计算机视觉的背景下,这个调度方式可能产生改进的结果。 但请注意,如下所示,这种改进并不一定成立。 .. raw:: html
mindsporepytorch
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python net = net_fn() lr_list = mindspore.Tensor([scheduler(t) for t in range(num_epochs) for i in range(steps_per_epoch)]) trainer = nn.SGD(net.trainable_params(), lr_list) train(net, train_iter, test_iter, num_epochs, loss, trainer) .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output train loss 0.209, train acc 0.923, test acc 0.893 .. figure:: output_lr-scheduler_1dfeb6_86_1.svg .. raw:: html
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python net = net_fn() trainer = torch.optim.SGD(net.parameters(), lr=0.3) train(net, train_iter, test_iter, num_epochs, loss, trainer, device, scheduler) .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output train loss 0.220, train acc 0.918, test acc 0.894 .. figure:: output_lr-scheduler_1dfeb6_89_1.svg .. raw:: html
.. raw:: html
预热 ~~~~ 在某些情况下,初始化参数不足以得到良好的解。 这对某些高级网络设计来说尤其棘手,可能导致不稳定的优化结果。 对此,一方面,我们可以选择一个足够小的学习率, 从而防止一开始发散,然而这样进展太缓慢。 另一方面,较高的学习率最初就会导致发散。 解决这种困境的一个相当简单的解决方法是使用预热期,在此期间学习率将增加至初始最大值,然后冷却直到优化过程结束。 为了简单起见,通常使用线性递增。 这引出了如下表所示的时间表。 .. raw:: html
mindsporepytorch
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python scheduler = CosineScheduler(20, warmup_steps=5, base_lr=0.3, final_lr=0.01) d2l.plot(ops.arange(num_epochs), [scheduler(t) for t in range(num_epochs)]) .. figure:: output_lr-scheduler_1dfeb6_95_0.svg .. raw:: html
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python scheduler = CosineScheduler(20, warmup_steps=5, base_lr=0.3, final_lr=0.01) d2l.plot(torch.arange(num_epochs), [scheduler(t) for t in range(num_epochs)]) .. figure:: output_lr-scheduler_1dfeb6_98_0.svg .. raw:: html
.. raw:: html
注意,观察前5个迭代轮数的性能,网络最初收敛得更好。 .. raw:: html
mindsporepytorch
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python net = net_fn() lr_list = mindspore.Tensor([scheduler(t) for t in range(num_epochs) for i in range(steps_per_epoch)]) trainer = nn.SGD(net.trainable_params(), lr_list) train(net, train_iter, test_iter, num_epochs, loss, trainer) .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output train loss 0.201, train acc 0.926, test acc 0.898 .. figure:: output_lr-scheduler_1dfeb6_104_1.svg .. raw:: html
.. raw:: html
.. raw:: latex \diilbookstyleinputcell .. code:: python net = net_fn() trainer = torch.optim.SGD(net.parameters(), lr=0.3) train(net, train_iter, test_iter, num_epochs, loss, trainer, device, scheduler) .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output train loss 0.181, train acc 0.933, test acc 0.900 .. figure:: output_lr-scheduler_1dfeb6_107_1.svg .. raw:: html
.. raw:: html
预热可以应用于任何调度器,而不仅仅是余弦。 有关学习率调度的更多实验和更详细讨论,请参阅 :cite:`Gotmare.Keskar.Xiong.ea.2018`\ 。 其中,这篇论文的点睛之笔的发现:预热阶段限制了非常深的网络中参数的发散程度 。 这在直觉上是有道理的:在网络中那些一开始花费最多时间取得进展的部分,随机初始化会产生巨大的发散。 小结 ---- - 在训练期间逐步降低学习率可以提高准确性,并且减少模型的过拟合。 - 在实验中,每当进展趋于稳定时就降低学习率,这是很有效的。从本质上说,这可以确保我们有效地收敛到一个适当的解,也只有这样才能通过降低学习率来减小参数的固有方差。 - 余弦调度器在某些计算机视觉问题中很受欢迎。 - 优化之前的预热期可以防止发散。 - 优化在深度学习中有多种用途。对于同样的训练误差而言,选择不同的优化算法和学习率调度,除了最大限度地减少训练时间,可以导致测试集上不同的泛化和过拟合量。 练习 ---- 1. 试验给定固定学习率的优化行为。这种情况下可以获得的最佳模型是什么? 2. 如果改变学习率下降的指数,收敛性会如何改变?在实验中方便起见,使用\ ``PolyScheduler``\ 。 3. 将余弦调度器应用于大型计算机视觉问题,例如训练ImageNet数据集。与其他调度器相比,它如何影响性能? 4. 预热应该持续多长时间? 5. 可以试着把优化和采样联系起来吗?首先,在随机梯度朗之万动力学上使用 :cite:`Welling.Teh.2011`\ 的结果。 .. raw:: html
mindsporepytorch
.. raw:: html
`讨论 `__ .. raw:: html
.. raw:: html
`讨论 `__ .. raw:: html
.. raw:: html