optim 的基本使用
for do:
1. 計算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的過程
為了更好的看整個過程，去掉了很多 條件判斷 語句，如 >0 0
# 首先是 子類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> 的默認參數(shù)字典defaults
'''
# 然后調(diào)用 父類Optimizer 的構(gòu)造函數(shù)
super(Adam, self).__init__(params, defaults)
# 看一下 Optim類的構(gòu)造函數(shù) 只有兩個輸入 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 這個函數(shù),主要是處理一下每個參數(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 不存在默認參數(shù)的設(shè)置，則使用全局參數(shù)屬性進行覆蓋
'''
[{'params': other_params},
{'params': first_params, 'lr': 0.1*lr}]
如第一個參數(shù)組 只提供了參數(shù)列表，沒有其它的參數(shù)屬性，則使用全局屬性覆蓋，第二個參數(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 是否有一個參數(shù) 出現(xiàn)在不同的參數(shù)組中，否則會報錯
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)更新的過程(Step)
具體實現(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，for group in self.param_groups，optim中存在一個param_groups的東西，其實它就是我們傳進去的param_list，比如我們上面?zhèn)鬟M去一個長度為3的param_list,那么 len(optimizer.param_groups)==3 , 而每一個 group 又是一個dict, 其中包含了 每組參數(shù)所需的必要參數(shù) optimizer.param_groups:長度2的list，optimizer.param_groups[0]：長度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 計算其 正則化 及 動量累積，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: # 如果沒有梯度 則直接下一步
continue
d_p = p.grad.data
# 正則化 及 動量累積 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)
補充：【pytorch】篩選凍結(jié)部分網(wǎng)絡(luò)層參數(shù)同時設(shè)置有參數(shù)組的時候該怎么辦？
在進行神經(jīng)網(wǎng)絡(luò)訓(xùn)練的時候，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。這個其實很簡單，其他博客里教程很多~
那如果，我想對不同的參數(shù)設(shè)置不同的學(xué)習(xí)率呢？這個其他博客也有，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？是不是把兩個人給合起來就好了？好的那你試試吧看看行不行。
我最近工作中需要對two-stream的其中的一只進行凍結(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的層給篩選出來。在這里我要強烈推薦這個利用正則表達式來進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。
在進行網(wǎng)絡(luò)層參數(shù)凍結(jié)的時候，網(wǎng)上會有兩種for循環(huán)：
for name, p in net.named_parameters():
for p in net.parameters():
這兩種都行，但是對于需要對特定名稱的網(wǎng)絡(luò)層進行凍結(jié)的時候就需要選第一個啦，因為我們需要用到參數(shù)的"name"屬性。
下面就是簡單的篩選和凍結(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)識為False
p.requires_grad = False
else:
p.requires_grad = True
#if p.requires_grad:#這個判斷可以打印出需要回傳梯度的層的名稱
#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部分！！看了四天的大坑！
凍結(jié)部分層的參數(shù)之后，我們在使用優(yōu)化器的時候就需要先把不需要回傳梯度的參數(shù)給過濾掉，如果不過濾就會報錯，優(yōu)化器就會抱怨你怎么把不需要優(yōu)化的參數(shù)給放進去了balabala的。所以我們加一個：
optimizer = optim.SGD(
filter(lambda p: p.requires_grad, net.parameters()), # 記住一定要加上filter()，不然會報錯
lr=0.01, weight_decay=1e-5, momentum=0.9)
到這里也沒有任何的問題。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的部分一樣啊！不然我用pre-trained的有啥用？？so，我劃分了一個參數(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，那么這個時候，如果我先不考慮過濾的話，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，按照百度出來的教程，我下一步要加上過濾器的話是不是應(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)
好的看起來沒有任何的問題，但是運行的時候就開始報錯：
就是這里！！一個剛開始用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錯。以后看到這種提示init函數(shù)錯誤的都要記得去官方doc上看說明。
這里其實寫的很清楚了，SGD優(yōu)化器每個位置都是什么參數(shù)。到這里應(yīng)該已經(jīng)能看出來哪里有問題了吧？
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)每個參數(shù)的位置，第一個放的是過濾器，第二個是參數(shù)組，然后是lr，對比官方的定義：第一個參數(shù)，第二個是lr等等。
所以錯誤就在這里！我第一個位置放了過濾器！第二個位置是參數(shù)組！所以他把過濾器當(dāng)作參數(shù)，參數(shù)組當(dāng)作學(xué)習(xí)率，然后就報錯說lr接受到很多個值……
仔細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)置過濾器把不需要優(yōu)化的參數(shù)給踢掉這個步驟還是要的，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)組的時候就添加過濾器，將不需要回傳梯度的參數(shù)過濾掉（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！
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯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)化器個性化的使用
- pytorch 實現(xiàn)在一個優(yōu)化器中設(shè)置多個網(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
