Pytorch中的學習率衰減及其用法詳解

Pytorch 學習率衰減及其用法

學習率衰減是一個非常有效的煉丹技巧之一,在神經網絡的訓練過程中,當accuracy出現震蕩或loss不再下降時,進行適當的學習率衰減是一個行之有效的手段,很多時候能明顯提高accuracy。

Pytorch中有兩種學習率調整(衰減)方法:

使用庫函數進行調整;

手動調整。

1. 使用庫函數進行調整:

Pytorch學習率調整策略通過 torch.optim.lr_sheduler 接口實現。pytorch提供的學習率調整策略分為三大類,分別是:

(1)有序調整:等間隔調整(Step),多間隔調整(MultiStep),指數衰減(Exponential),餘弦退火(CosineAnnealing);

(2)自適應調整:依訓練狀況伺機而變,通過監測某個指標的變化情況(loss、accuracy),當該指標不怎麼變化時,就是調整學習率的時機(ReduceLROnPlateau);

(3)自定義調整:通過自定義關於epoch的lambda函數調整學習率(LambdaLR)。

在每個epoch的訓練中,使用scheduler.step()語句進行學習率更新,此方法類似於optimizer.step()更新模型參數,即一次epoch對應一次scheduler.step()。但在mini-batch訓練中,每個mini-bitch對應一個optimizer.step()。即用法如下:

optimizer = torch.optim.SGD(model.parameters(), lr=0.1)
scheduler = torch.optim.lr_scheduler.StepLR(optimizer, step_size=30, gamma=0.1)
 
def train(...):
    for i, data in enumerate(train_loader):
        ......
        y_ = model(x)
        loss = criterion(y_,y)
        loss.backward()
        optimizer.step()
        ......
 
for epoch in range(epochs):
    scheduler.step()
    train(...)
    test(...)

(1) 等間隔調整學習率 StepLR

torch.optim.lr_scheduler.StepLR(optimizer, step_size, gamma=0.1, last_epoch=-1)

每訓練step_size個epoch,學習率調整為lr=lr*gamma.

以下內容中都將epoch和step對等,因為每個epoch中隻進行一次scheduler.step(),實則該step指scheduler.step()中的step, 即step_size指scheduler.step()進行的次數。

參數:

optimizer: 神經網絡訓練中使用的優化器,如optimizer=torch.optim.SGD(…)

step_size(int): 學習率下降間隔數,單位是epoch,而不是iteration.

gamma(float): 學習率調整倍數,默認為0.1

last_epoch(int): 上一個epoch數,這個變量用來指示學習率是否需要調整。當last_epoch符合設定的間隔時,就會對學習率進行調整;當為-1時,學習率設置為初始值。

(2) 多間隔調整學習率 MultiStepLR

跟(1)類似,但學習率調整的間隔並不是相等的,如epoch=10時調整一次,epoch=30時調整一次,epoch=80時調整一次…

torch.optim.lr_sheduler.MultiStepLR(optimizer, milestones, gamma=0.1, last_epoch=-1)

參數:

milestone(list): 一個列表參數,表示多個學習率需要調整的epoch值,如milestones=[10, 30, 80].

其它參數同(1)。

(3) 指數衰減調整學習率 ExponentialLR

學習率呈指數型衰減,每訓練一個epoch,lr=lrgamma*epoch,即

torch.optim.lr_sheduler.ExponentialLR(optimizer, gamma, last_epoch)

參數:

gamma(float):學習率調整倍數的底數,指數為epoch,初始值我lr, 倍數為

其它參數同上。

(4) 餘弦退火函數調整學習率:

學習率呈餘弦函數型衰減,並以2*T_max為餘弦函數周期,epoch=0對應餘弦型學習率調整曲線的,epoch=T_max對應餘弦型學習率調整曲線的eta_min處,隨著epoch>T_max,學習率隨epoch增加逐漸上升,整個走勢同cos(x)。

torch.optim.lr_sheduler.CosineAnnealingLR(optimizer, T_max, eta_min=0, last_epoch=-1)

參數:

T_max(int): 學習率下降到最小值時的epoch數,即當epoch=T_max時,學習率下降到餘弦函數最小值,當epoch>T_max時,學習率將增大;

eta_min: 學習率調整的最小值,即epoch=T_max時,eta_min, 默認為0.

其它參數同上。

(5) 根據指標調整學習率 ReduceLROnPlateau

當某指標(loss或accuracy)在最近幾個epoch中都沒有變化(下降或升高超過給定閾值)時,調整學習率。

如當驗證集的loss不再下降是,調整學習率;或監察驗證集的accuracy不再升高時,調整學習率。

torch.optim.lr_sheduler.ReduceLROnPlateau(optimizer, mode='min', factor=0.1, patience=10,
 verbose=False, threshold=0.0001, threshold_mode='rel', cooldown=0, min_lr=0, eps=1e-08)

參數:

mode(str): 模式選擇,有min和max兩種模式,min表示當指標不再降低(如監測loss),max表示當指標不再升高(如監測accuracy)。

factor(float): 學習率調整倍數,同前面的gamma,當監測指標達到要求時,lr=lr×factor。

patience(int): 忍受該指標多少個epoch不變化,當忍無可忍時,調整學習率。

verbose(bool): 是否打印學習率信息,print( ‘Epoch {:5d} reducing learning rate of group {} to {:.4e}.’.format(epoch, i, new_lr), 默認為False, 即不打印該信息。

threshold_mode (str): 選擇判斷指標是否達最優的模式,有兩種模式:rel 和 abs.

當threshold_mode == rel, 並且 mode == max時,dynamic_threshold = best * (1 + threshold);

當threshold_mode == rel, 並且 mode == min時,dynamic_threshold = best * (1 – threshold);

當threshold_mode == abs, 並且 mode == max時,dynamic_threshold = best + threshold;

當threshold_mode == abs, 並且 mode == min時,dynamic_threshold = best – threshold;

threshold(float): 配合threshold_mode使用。

cooldown(int): “冷卻時間”,當調整學習率之後,讓學習率調整策略冷靜一下,讓模型在訓練一段時間,再重啟監測模式。

min_lr(float or list): 學習率下限,可為float,或者list,當有多個參數組時,可用list進行設置。

eps(float): 學習率衰減的最小值,當學習率的變化值小於eps時,則不調整學習率。

optimizer = torch.optim.SGD(model.parameters(), args.lr,
 momentum=args.momentum, weight_decay=args.weight_decay)
scheduler = ReducelROnPlateau(optimizer,'min')
for epoch in range( args.start epoch, args.epochs ):
    train(train_loader , model, criterion, optimizer, epoch )
    result_avg, loss_val = validate(val_loader, model, criterion, epoch)
    # Note that step should be called after validate()
    scheduler.step(loss_val )

(6) 自定義調整學習率 LambdaLR

為不同參數組設定不同學習率調整策略。調整規則為:

lr = base_lr * lambda(self.last_epoch)

在fine-tune中特別有用,我們不僅可以為不同層設置不同的學習率,還可以為不同層設置不同的學習率調整策略。

torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda, last_epoch=-1)

參數:

lr_lambda(function or list): 自定義計算學習率調整倍數的函數,通常時epoch的函數,當有多個參數組時,設為list.

其它參數同上。

例:

ignored_params = list(map(id, net.fc3.parameters()))
base_params = filter(lambda p: id(p) not in ignored_params, net.parameters())
optimizer = optim.SGD([
        {'params': base_params},
        {'params': net.fc3.parameters(), 'lr': 0.001*100}], 0.001,          momentum=0.9,weight_decay=1e-4)
 # Assuming optimizer has two groups.
lambda1 = lambda epoch: epoch // 3
lambda2 = lambda epoch: 0.95 ** epoch
scheduler = LambdaLR(optimizer, lr_lambda=[lambda1, lambda2])
for epoch in range(100):
    train(...)
    validate(...)
    scheduler.step()
    print('epoch: ', i, 'lr: ', scheduler.get_lr())
    
輸出:
epoch: 0 lr: [0.0, 0.1]
epoch: 1 lr: [0.0, 0.095]
epoch: 2 lr: [0.0, 0.09025]
epoch: 3 lr: [0.001, 0.0857375]
epoch: 4 lr: [0.001, 0.081450625]
epoch: 5 lr: [0.001, 0.07737809374999999]
epoch: 6 lr: [0.002, 0.07350918906249998]
epoch: 7 lr: [0.002, 0.06983372960937498]
epoch: 8 lr: [0.002, 0.06634204312890622]
epoch: 9 lr: [0.003, 0.0630249409724609]
為什麼第一個參數組的學習率會是 0 呢? 來看看學習率是如何計算的。
第一個參數組的初始學習率設置為 0.001, 
lambda1 = lambda epoch: epoch // 3,
第 1 個 epoch 時,由 lr = base_lr * lmbda(self.last_epoch),
可知道 lr = 0.001 *(0//3) ,又因為 1//3 等於 0,所以導致學習率為 0。
第二個參數組的學習率變化,就很容易看啦,初始為 0.1, lr = 0.1 * 0.95^epoch ,當
epoch 為 0 時, lr=0.1 , epoch 為 1 時, lr=0.1*0.95。
# -*- coding:utf-8 -*-
'''本文件用於測試pytorch學習率調整策略'''
__author__ = 'puxitong from UESTC'
 
import torch
import torch.optim as optim
from torch.optim import lr_scheduler
from torchvision.models import AlexNet
import matplotlib.pyplot as plt 
 
model = AlexNet(num_classes=2)
optimizer = optim.SGD(params=model.parameters(), lr=0.1)
 
# 等間隔調整學習率,每訓練step_size個epoch,lr*gamma
# scheduler = lr_scheduler.StepLR(optimizer, step_size=30, gamma=0.1)
 
# 多間隔調整學習率,每訓練至milestones中的epoch,lr*gamma
# scheduler = lr_scheduler.MultiStepLR(optimizer, milestones=[10, 30, 80], gamma=0.1)
 
# 指數學習率衰減,lr*gamma**epoch
# scheduler = lr_scheduler.ExponentialLR(optimizer, gamma=0.9)
 
# 餘弦退火學習率衰減,T_max表示半個周期,lr的初始值作為餘弦函數0處的極大值逐漸開始下降,
# 在epoch=T_max時lr降至最小值,即pi/2處,然後進入後半個周期,lr增大
# scheduler = lr_scheduler.CosineAnnealingLR(optimizer, T_max=100, eta_min=0)
 
plt.figure()
x = list(range(100))
y = []
for epoch in range(100):
    scheduler.step()
    y.append(scheduler.get_lr()[0])
 
plt.plot(x, y)
plt.show()

2. 手動調整學習率:

def adjust_learning_rate(optimizer, epoch):
    """Sets the learning rate to the initial LR decayed by 10 every 30 epochs"""
    lr = args.lr * (0.1 ** (epoch // 30))
    for param_group in optimizer.param_groups:
        param_group['lr'] = lr
def adjust_learning_rate(epoch, lr):
    if epoch <= 81:  # 32k iterations
      return lr
    elif epoch <= 122:  # 48k iterations
      return lr/10
    else:
      return lr/100
for epoch in range(epochs):
    lr = adjust_learning_rate(optimizer, epoch)  # 調整學習率
    optimizer = optim.SGD(net.parameters(), lr=lr, momentum=0.9, weight_decay=5e-4)
    ......
    optimizer.step()  # 采用新的學習率進行參數更新

什麼是param_groups?

optimizer通過param_group來管理參數組.param_group中保存瞭參數組及其對應的學習率,動量等等.所以我們可以通過更改param_group[‘lr’]的值來更改對應參數組的學習率

# 例1:有兩個`param_group`即,len(optim.param_groups)==2
optim.SGD([
                {'params': model.base.parameters()},
                {'params': model.classifier.parameters(), 'lr': 1e-3}
            ], lr=1e-2, momentum=0.9)
 
# 例2:一個參數組
optim.SGD(model.parameters(), lr=1e-2, momentum=.9)

上面第一個例子中,我們分別為 model.base 和 model.classifier 的參數設置瞭不同的學習率,即此時 optimizer.param_grops 中有兩個不同的param_group:

param_groups[0]: {'params': model.base.parameters()},
param_groups[1]: {'params': model.classifier.parameters(), 'lr': 1e-3}

每一個param_group都是一個字典,它們共同構成瞭param_groups,所以此時len(optimizer.param_grops)==2,aijust_learning_rate() 函數就是通過for循環遍歷取出每一個param_group,然後修改其中的鍵 ‘lr’ 的值,稱之為手動調整學習率。

第二個例子中len(optimizer.param_grops)==1,利用for循環進行修改同樣成立。

如果想要每次迭代都實時打印學習率,這樣可以每次step都能知道更新的最新學習率,可以使用

scheduler.get_lr()

它返回一個學習率列表,由參數組中的不同學習率組成,可通過列表索引來得到不同參數組中的學習率。

如何在 PyTorch 中設定學習率衰減(learning rate decay)

在這裡插入圖片描述

很多時候我們要對學習率(learning rate)進行衰減,下面的代碼示范瞭如何每30個epoch按10%的速率衰減:

很多時候我們要對學習率(learning rate)進行衰減,下面的代碼示范瞭如何每30個epoch按10%的速率衰減:

def adjust_learning_rate(optimizer, epoch):
    """Sets the learning rate to the initial LR decayed by 10 every 30 epochs"""
    lr = args.lr * (0.1 ** (epoch // 30))
    for param_group in optimizer.param_groups:
        param_group['lr'] = lr

什麼是param_groups?

optimizer通過param_group來管理參數組.param_group中保存瞭參數組及其對應的學習率,動量等等.所以我們可以通過更改param_group[‘lr’]的值來更改對應參數組的學習率。

# 有兩個`param_group`即,len(optim.param_groups)==2
optim.SGD([
                {'params': model.base.parameters()},
                {'params': model.classifier.parameters(), 'lr': 1e-3}
          ], lr=1e-2, momentum=0.9)
 
#一個參數組
optim.SGD(model.parameters(), lr=1e-2, momentum=.9)

以上為個人經驗,希望能給大傢一個參考,也希望大傢多多支持WalkonNet。