optim 的基本使用
for do:
1. 計(jì)算loss
2. 清空梯度
3. 反傳梯度
4. 更新參數(shù)
optim的完整流程
cifiron = nn.MSELoss()
optimiter = torch.optim.SGD(net.parameters(),lr=0.01,momentum=0.9)
for i in range(iters):
out = net(inputs)
loss = cifiron(out,label)
optimiter.zero_grad() # 清空之前保留的梯度信息
loss.backward() # 將mini_batch 的loss 信息反傳回去
optimiter.step() # 根據(jù) optim參數(shù) 和 梯度 更新參數(shù) w.data -= w.grad*lr
網(wǎng)絡(luò)參數(shù) 默認(rèn)使用統(tǒng)一的 優(yōu)化器參數(shù)
如下設(shè)置 網(wǎng)絡(luò)全局參數(shù) 使用統(tǒng)一的優(yōu)化器參數(shù)
optimiter = torch.optim.Adam(net.parameters(),lr=0.01,momentum=0.9)
如下設(shè)置將optimizer的可更新參數(shù)分為不同的三組，每組使用不同的策略
optimizer = torch.optim.SGD([
{'params': other_params},
{'params': first_params, 'lr': 0.01*args.learning_rate},
{'params': second_params, 'weight_decay': args.weight_decay}],
lr=args.learning_rate,
momentum=args.momentum,
)
我們追溯一下構(gòu)造Optim的過(guò)程
為了更好的看整個(gè)過(guò)程，去掉了很多 條件判斷 語(yǔ)句，如 >0 0
# 首先是 子類(lèi)Adam 的構(gòu)造函數(shù)
class Adam(Optimizer):
def __init__(self, params, lr=1e-3, betas=(0.9, 0.999), eps=1e-8,
weight_decay=0, amsgrad=False):
defaults = dict(lr=lr, betas=betas, eps=eps,
weight_decay=weight_decay, amsgrad=amsgrad)
'''
構(gòu)造了 參數(shù)params，可以有兩種傳入格式,分別對(duì)應(yīng)
1. 全局參數(shù) net.parameters()
2. 不同參數(shù)組 [{'params': other_params},
{'params': first_params, 'lr': 0.1*lr}]
和 全局> 的默認(rèn)參數(shù)字典defaults
'''
# 然后調(diào)用 父類(lèi)Optimizer 的構(gòu)造函數(shù)
super(Adam, self).__init__(params, defaults)
# 看一下 Optim類(lèi)的構(gòu)造函數(shù) 只有兩個(gè)輸入 params 和 defaults
class Optimizer(object):
def __init__(self, params, defaults):
torch._C._log_api_usage_once("python.optimizer")
self.defaults = defaults
self.state = defaultdict(dict)
self.param_groups = [] # 自身構(gòu)造的參數(shù)組，每個(gè)組使用一套參數(shù)
param_groups = list(params)
if len(param_groups) == 0:
raise ValueError("optimizer got an empty parameter list")
# 如果傳入的net.parameters()，將其轉(zhuǎn)換為 字典
if not isinstance(param_groups[0], dict):
param_groups = [{'params': param_groups}]
for param_group in param_groups:
#add_param_group 這個(gè)函數(shù),主要是處理一下每個(gè)參數(shù)組其它屬性參數(shù)(lr,eps)
self.add_param_group(param_group)
def add_param_group(self, param_group):
# 如果當(dāng)前 參數(shù)組中 不存在默認(rèn)參數(shù)的設(shè)置，則使用全局參數(shù)屬性進(jìn)行覆蓋
'''
[{'params': other_params},
{'params': first_params, 'lr': 0.1*lr}]
如第一個(gè)參數(shù)組 只提供了參數(shù)列表，沒(méi)有其它的參數(shù)屬性，則使用全局屬性覆蓋，第二個(gè)參數(shù)組 則設(shè)置了自身的lr為全局 (0.1*lr)
'''
for name, default in self.defaults.items():
if default is required and name not in param_group:
raise ValueError("parameter group didn't specify a value of required optimization parameter " +
name)
else:
param_group.setdefault(name, default)
# 判斷 是否有一個(gè)參數(shù) 出現(xiàn)在不同的參數(shù)組中，否則會(huì)報(bào)錯(cuò)
param_set = set()
for group in self.param_groups:
param_set.update(set(group['params']))
if not param_set.isdisjoint(set(param_group['params'])):
raise ValueError("some parameters appear in more than one parameter group")
# 然后 更新自身的參數(shù)組中
self.param_groups.append(param_group)
網(wǎng)絡(luò)更新的過(guò)程(Step)
具體實(shí)現(xiàn)
1、我們拿SGD舉例，首先看一下，optim.step 更新函數(shù)的具體操作
2、可見(jiàn)，for group in self.param_groups，optim中存在一個(gè)param_groups的東西，其實(shí)它就是我們傳進(jìn)去的param_list，比如我們上面?zhèn)鬟M(jìn)去一個(gè)長(zhǎng)度為3的param_list,那么 len(optimizer.param_groups)==3 , 而每一個(gè) group 又是一個(gè)dict, 其中包含了 每組參數(shù)所需的必要參數(shù) optimizer.param_groups:長(zhǎng)度2的list，optimizer.param_groups[0]：長(zhǎng)度6的字典
3、然后取回每組 所需更新的參數(shù)for p in group['params'] ,根據(jù)設(shè)置 計(jì)算其 正則化 及 動(dòng)量累積，然后更新參數(shù) w.data -= w.grad*lr
def step(self, closure=None):
loss = None
if closure is not None:
loss = closure()
for group in self.param_groups:
# 本組參數(shù)更新所必需的 參數(shù)設(shè)置
weight_decay = group['weight_decay']
momentum = group['momentum']
dampening = group['dampening']
nesterov = group['nesterov']
for p in group['params']: # 本組所有需要更新的參數(shù) params
if p.grad is None: # 如果沒(méi)有梯度 則直接下一步
continue
d_p = p.grad.data
# 正則化 及 動(dòng)量累積 操作
if weight_decay != 0:
d_p.add_(weight_decay, p.data)
if momentum != 0:
param_state = self.state[p]
if 'momentum_buffer' not in param_state:
buf = param_state['momentum_buffer'] = torch.clone(d_p).detach()
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
# 當(dāng)前組 學(xué)習(xí)參數(shù) 更新 w.data -= w.grad*lr
p.data.add_(-group['lr'], d_p)
return loss
如何獲取指定參數(shù)
1、可以使用model.named_parameters() 取回所有參數(shù)，然后設(shè)定自己的篩選規(guī)則，將參數(shù)分組
2、取回分組參數(shù)的id map(id, weight_params_list)
3、取回剩余分特殊處置參數(shù)的id other_params = list(filter(lambda p: id(p) not in params_id, all_params))
all_params = model.parameters()
weight_params = []
quant_params = []
# 根據(jù)自己的篩選規(guī)則 將所有網(wǎng)絡(luò)參數(shù)進(jìn)行分組
for pname, p in model.named_parameters():
if any([pname.endswith(k) for k in ['cw', 'dw', 'cx', 'dx', 'lamb']]):
quant_params += [p]
elif ('conv' or 'fc' in pname and 'weight' in pname):
weight_params += [p]
# 取回分組參數(shù)的id
params_id = list(map(id, weight_params)) + list(map(id, quant_params))
# 取回剩余分特殊處置參數(shù)的id
other_params = list(filter(lambda p: id(p) not in params_id, all_params))
# 構(gòu)建不同學(xué)習(xí)參數(shù)的優(yōu)化器
optimizer = torch.optim.SGD([
{'params': other_params},
{'params': quant_params, 'lr': 0.1*args.learning_rate},
{'params': weight_params, 'weight_decay': args.weight_decay}],
lr=args.learning_rate,
momentum=args.momentum,
)
獲取指定層的參數(shù)id
# # 以層為單位，為不同層指定不同的學(xué)習(xí)率
# ## 提取指定層對(duì)象
special_layers = t.nn.ModuleList([net.classifiter[0], net.classifiter[3]])
# ## 獲取指定層參數(shù)id
special_layers_params = list(map(id, special_layers.parameters()))
print(special_layers_params)
# ## 獲取非指定層的參數(shù)id
base_params = filter(lambda p: id(p) not in special_layers_params, net.parameters())
optimizer = t.optim.SGD([{'params': base_params},
{'params': special_layers.parameters(), 'lr': 0.01}], lr=0.001)
補(bǔ)充：【pytorch】篩選凍結(jié)部分網(wǎng)絡(luò)層參數(shù)同時(shí)設(shè)置有參數(shù)組的時(shí)候該怎么辦？
在進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練的時(shí)候，常常需要凍結(jié)部分網(wǎng)絡(luò)層的參數(shù)，不想讓他們回傳梯度。這個(gè)其實(shí)很簡(jiǎn)單，其他博客里教程很多~
那如果，我想對(duì)不同的參數(shù)設(shè)置不同的學(xué)習(xí)率呢？這個(gè)其他博客也有，設(shè)置參數(shù)組就好啦，優(yōu)化器就可以分別設(shè)置學(xué)習(xí)率了。
那么，如果我同時(shí)想凍結(jié)參數(shù)和設(shè)置不同的學(xué)習(xí)率呢？是不是把兩個(gè)人給合起來(lái)就好了？好的那你試試吧看看行不行。
我最近工作中需要對(duì)two-stream的其中的一只進(jìn)行凍結(jié)，并且設(shè)置不同的學(xué)習(xí)率。下面記錄一下我踩的坑。
首先，我們需要篩選所需要的層。我想要把名字里含有特定符號(hào)的層給篩選出來(lái)。在這里我要強(qiáng)烈推薦這個(gè)利用正則表達(dá)式來(lái)進(jìn)行字符串篩選的方式！
import re
str = 'assdffggggg'
word = 'a'
a = [m.start() for m in re.finditer(word, str)]
這里的a是一個(gè)列表，它里面包含的是word在字符串str中所在的位置，這里自然就是0了。
在進(jìn)行網(wǎng)絡(luò)層參數(shù)凍結(jié)的時(shí)候，網(wǎng)上會(huì)有兩種for循環(huán)：
for name, p in net.named_parameters():
for p in net.parameters():
這兩種都行，但是對(duì)于需要對(duì)特定名稱(chēng)的網(wǎng)絡(luò)層進(jìn)行凍結(jié)的時(shí)候就需要選第一個(gè)啦，因?yàn)槲覀冃枰玫絽?shù)的"name"屬性。
下面就是簡(jiǎn)單的篩選和凍結(jié)，和其他教程里面的一樣：
word1 = 'seg'
for name, p in decode_net.named_parameters():
str = name
a = [m.start() for m in re.finditer(word1, str)]
if a: #列表a不為空的話就設(shè)置回傳的標(biāo)識(shí)為False
p.requires_grad = False
else:
p.requires_grad = True
#if p.requires_grad:#這個(gè)判斷可以打印出需要回傳梯度的層的名稱(chēng)
#print(name)
到這里我們就完成了網(wǎng)絡(luò)參數(shù)的凍結(jié)。我真正想要分享的在下面這個(gè)部分！！看了四天的大坑！
凍結(jié)部分層的參數(shù)之后，我們?cè)谑褂脙?yōu)化器的時(shí)候就需要先把不需要回傳梯度的參數(shù)給過(guò)濾掉，如果不過(guò)濾就會(huì)報(bào)錯(cuò)，優(yōu)化器就會(huì)抱怨你怎么把不需要優(yōu)化的參數(shù)給放進(jìn)去了balabala的。所以我們加一個(gè)：
optimizer = optim.SGD(
filter(lambda p: p.requires_grad, net.parameters()), # 記住一定要加上filter()，不然會(huì)報(bào)錯(cuò)
lr=0.01, weight_decay=1e-5, momentum=0.9)
到這里也沒(méi)有任何的問(wèn)題。但是！我做分割的encode部分是pre-trained的resnet，這部分我的學(xué)習(xí)率不想和我decode的部分一樣??！不然我用pre-trained的有啥用？？so，我劃分了一個(gè)參數(shù)組：
base_params_id = list(map(id, net.conv1.parameters())) + list(map(id,net.bn1.parameters()))+\
list(map(id,net.layer1.parameters())) + list(map(id,net.layer2.parameters())) \
+ list(map(id,net.layer3.parameters())) + list(map(id,net.layer4.parameters()))
new_params = filter(lambda p: id(p) not in base_params_id , net.parameters())
base_params = filter(lambda p: id(p) in base_params_id, net.parameters())
好了，那么這個(gè)時(shí)候，如果我先不考慮過(guò)濾的話，優(yōu)化器的設(shè)置應(yīng)該是這樣的：
optimizerG = optim.SGD([{'params': base_params, 'lr': 1e-4},
{'params': new_params}], lr = opt.lr, momentum = 0.9, weight_decay=0.0005)
那么，按照百度出來(lái)的教程，我下一步要加上過(guò)濾器的話是不是應(yīng)該：
optimizerG = optim.SGD( filter(lambda p: p.requires_grad, net.parameters())，
[{'params': base_params, 'lr': 1e-4},
{'params': new_params}], lr = opt.lr, momentum = 0.9, weight_decay=0.0005)
好的看起來(lái)沒(méi)有任何的問(wèn)題，但是運(yùn)行的時(shí)候就開(kāi)始報(bào)錯(cuò)：
就是這里??！一個(gè)剛開(kāi)始用pytorch的我！什么都不懂！然后我看了四天！！最后查閱了官方文檔才知道為什么報(bào)錯(cuò)。以后看到這種提示init函數(shù)錯(cuò)誤的都要記得去官方doc上看說(shuō)明。
這里其實(shí)寫(xiě)的很清楚了，SGD優(yōu)化器每個(gè)位置都是什么參數(shù)。到這里應(yīng)該已經(jīng)能看出來(lái)哪里有問(wèn)題了吧？
optimizerG = optim.SGD( filter(lambda p: p.requires_grad, net.parameters())，
[{'params': base_params, 'lr': 1e-4},
{'params': new_params}], lr = opt.lr, momentum = 0.9, weight_decay=0.0005)
看我的SGD函數(shù)每個(gè)參數(shù)的位置，第一個(gè)放的是過(guò)濾器，第二個(gè)是參數(shù)組，然后是lr，對(duì)比官方的定義：第一個(gè)參數(shù)，第二個(gè)是lr等等。
所以錯(cuò)誤就在這里！我第一個(gè)位置放了過(guò)濾器！第二個(gè)位置是參數(shù)組！所以他把過(guò)濾器當(dāng)作參數(shù)，參數(shù)組當(dāng)作學(xué)習(xí)率，然后就報(bào)錯(cuò)說(shuō)lr接受到很多個(gè)值……
仔細(xì)去看其他博客的教程，基本是只有分參數(shù)組的優(yōu)化器設(shè)置和凍結(jié)層了之后優(yōu)化器的設(shè)置。沒(méi)有又分參數(shù)組又凍結(jié)部分層參數(shù)的設(shè)置。所以設(shè)置過(guò)濾器把不需要優(yōu)化的參數(shù)給踢掉這個(gè)步驟還是要的，但是在現(xiàn)在這種情況下不應(yīng)該放在SGD里！
new_params = filter(lambda p: id(p) not in base_params_id and p.requires_grad,\
netG.parameters())
base_params = filter(lambda p: id(p) in base_params_id,
netG.parameters())
應(yīng)該在劃分參數(shù)組的時(shí)候就添加過(guò)濾器，將不需要回傳梯度的參數(shù)過(guò)濾掉（這里就是直接篩選p.requires_grad即可）。如此便可以順利凍結(jié)參數(shù)并且設(shè)置參數(shù)組啦！
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。
您可能感興趣的文章:- 在pytorch中動(dòng)態(tài)調(diào)整優(yōu)化器的學(xué)習(xí)率方式
- 淺談Pytorch torch.optim優(yōu)化器個(gè)性化的使用
- pytorch 實(shí)現(xiàn)在一個(gè)優(yōu)化器中設(shè)置多個(gè)網(wǎng)絡(luò)參數(shù)的例子
- 詳解PyTorch批訓(xùn)練及優(yōu)化器比較
- pytorch中的優(yōu)化器optimizer.param_groups用法
