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)
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。
推薦閱讀：
- pytorch 實現L2和L1正則化regularization的操作
- pytorch 優化器(optim)不同參數組,不同學習率設置的操作
- Pytorch 中的optimizer使用說明
- 聊聊pytorch中Optimizer與optimizer.step()的用法
- pytorch中的優化器optimizer.param_groups用法