模型调参（二）：learning rate decay（学习率衰减）【使用库调整学习率：等间隔、多间隔、指数衰减、余弦退火函数、根据指标、自定义】【手动调整学习率】
一、学习率衰减的概念和必要性
解释①：如果在整个梯度下降过程中，保持learning rate不变，如果learning rate设置小了，会导致梯度下降过慢，如果设置大了，对于mini-batch来说最后就很难收敛，一直在最小值附近盘旋。所以动态改变learning rate很重要，在开始的时候，设置较大的learning rate，可以保证梯度下降的速度，慢慢减小，可以使最后的cost function在最小值非常小的范围内盘旋，得到一个比较满意的值。
解释②：学习率过大，在算法优化的前期会加速学习，使得模型更容易接近局部或全局最优解。但是在后期会有较大波动，甚至出现损失函数的值围绕最小值徘徊，波动很大，始终难以达到最优，如下图蓝色曲线所示。所以引入学习率衰减的概念，直白点说，就是在模型训练初期，会使用较大的学习率进行模型优化，随着迭代次数增加，学习率会逐渐进行减小，保证模型在训练后期不会有太大的波动，从而更加接近最优解，如下图中上面一条绿色曲线所示。
当学习率过大，以J(X)=X^2为例，学习率始终为1，梯度下降算法的运行过程：
可以看到无论进行多少轮迭代，参数始终在5和-5之间摇摆，而不是收敛到一个极小值。
二、什么是param_groups
optimizer通过param_group来管理参数组.param_group中保存了参数组及其对应的学习率,动量等等.所以我们可以通过更改param_group[‘lr’]的值来更改对应参数组的学习率。
例1：有两个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)
上面第一个例子中，我们分别为 model.base 和 model.classifier 的参数设置了不同的学习率，即此时 optimizer.param_grops 中有两个不同的param_group：
- param_groups[0]: {‘params’: model.base.parameters()},
- param_groups[1]: {‘params’: model.classifier.parameters(), ‘lr’: 1e-3}
每一个param_group都是一个字典，它们共同构成了param_groups，所以此时len(optimizer.param_grops)==2，
例2：一个参数组
optim.SGD(model.parameters(), lr=1e-2, momentum=.9)
手动调整学习率，通常可以定义如下函数：
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
adjust_learning_rate() 函数就是通过for循环遍历取出每一个param_group，然后修改其中的键 ‘lr’ 的值，称之为手动调整学习率。
三、学习率衰减的类型【①使用库；②手动】
学习率衰减的类型有很多种，大致可以分为两类：
- 一是通过人为经验进行设定，如到达多少轮后，设定具体的学习率为多少；
- 二是使用库函数进行调整，随着迭代轮数的增加学习率自动发生衰减，这类有比较常用的指数型衰退，具体算法如下图
其中decayed_learning_rate为每一轮优化时使用的学习率，learning_rate为事先设定的初始学习率，decay_rate为衰减系数，decay_steps为衰减速度。
在tensorflow中指数型衰减通过调用tf.train.exponential_decay(learning_rate, global_step, decay_steps, decay_rate, staircase=False, name=None)实现。这里介绍一下decay_steps，若decay_steps=100，即表示100轮迭代后进行一次衰减，staircase=True时，global_step/decay_steps会被转化为整数，这使得学习率呈阶梯型下降（如下图黑色），若staircase=False，下图灰色为连续型衰减学习率。
1、使用库函数进行调整
Pytorch学习率调整策略通过 torch.optim.lr_sheduler 接口实现。pytorch提供的学习率调整策略分为三大类，分别是：
- 有序调整：等间隔调整(Step)，多间隔调整(MultiStep)，指数衰减(Exponential)，余弦退火(CosineAnnealing);
- 自适应调整：依训练状况伺机而变，通过监测某个指标的变化情况(loss、accuracy)，当该指标不怎么变化时，就是调整学习率的时机(ReduceLROnPlateau);
- 自定义调整：通过自定义关于epoch的lambda函数调整学习率(LambdaLR)。
在每个epoch的训练中，使用 scheduler.step() 语句进行学习率更新，此方法类似于optimizer.step()更新模型参数，即一次epoch对应一次scheduler.step()。但在mini-batch训练中，每个mini-bitch对应一个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):train(...)test(...)scheduler.step()
1.1 等间隔调整学习率 StepLR
torch.optim.lr_scheduler.StepLR(optimizer, step_size, gamma=0.1, last_epoch=-1)
每训练step_size个epoch，学习率调整为lr=lr*gamma.
以下内容中都将epoch和step对等，因为每个epoch中只进行一次scheduler.step()，实则该step指scheduler.step()中的step, 即step_size指scheduler.step()进行的次数。
参数：
- optimizer: 神经网络训练中使用的优化器，如optimizer=torch.optim.SGD(…)
- step_size(int): 学习率下降间隔数，单位是epoch，而不是iteration.
- gamma(float): 学习率调整倍数，默认为0.1
- last_epoch(int): 上一个epoch数，这个变量用来指示学习率是否需要调整。当last_epoch符合设定的间隔时，就会对学习率进行调整；当为-1时，学习率设置为初始值。
等间隔调整学习率：step_size=30, gamma=0.1
1.2 多间隔调整学习率 MultiStepLR
跟(1)类似，但学习率调整的间隔并不是相等的，如epoch=10时调整一次，epoch=30时调整一次，epoch=80时调整一次…
torch.optim.lr_sheduler.MultiStepLR(optimizer, milestones, gamma=0.1, last_epoch=-1)
参数：
- milestone(list): 一个列表参数，表示多个学习率需要调整的epoch值，如milestones=[10, 30, 80].
- optimizer: 神经网络训练中使用的优化器，如optimizer=torch.optim.SGD(…)
- step_size(int): 学习率下降间隔数，单位是epoch，而不是iteration.
- gamma(float): 学习率调整倍数，默认为0.1
- last_epoch(int): 上一个epoch数，这个变量用来指示学习率是否需要调整。当last_epoch符合设定的间隔时，就会对学习率进行调整；当为-1时，学习率设置为初始值。
多间隔调整学习率：milestones=[10, 30, 80], gamma=0.1
1.3 指数衰减调整学习率 ExponentialLR
学习率呈指数型衰减，每训练一个epoch，lr=lrgamma∗epochlr=lrgamma*epochlr=lrgamma∗epoch，即 lr×gammaepochlr×gamma^{epoch}lr×gammaepoch
torch.optim.lr_sheduler.ExponentialLR(optimizer, gamma, last_epoch)
参数：
- gamma(float)：学习率调整倍数的底数，指数为epoch，初始值我lr, 倍数为 gammaepochgamma^{epoch}gammaepoch
- 其它参数同上。
指数衰减调整学习率：gamma=0.9
1.4 余弦退火函数调整学习率
学习率呈余弦函数型衰减，并以 2∗Tmax2*T_{max}2∗Tmax 为余弦函数周期，epoch=0对应余弦型学习率调整曲线的 x=0x=0x=0，ymax=lry_{max}=lrymax=lr，epoch=Tmaxepoch=T_maxepoch=Tmax 对应余弦型学习率调整曲线的 x=πx=\pix=π，ymin=etaminy_{min}=eta_minymin=etamin 处，随着 epoch>Tmaxepoch>T_{max}epoch>Tmax，学习率随epoch增加逐渐上升，整个走势同cos(x)。
torch.optim.lr_sheduler.CosineAnnealingLR(optimizer, T_max, eta_min=0, last_epoch=-1)
参数：
- T_max(int): 学习率下降到最小值时的epoch数，即当epoch=T_max时，学习率下降到余弦函数最小值，当epoch>T_max时，学习率将增大；
- eta_min: 学习率调整的最小值，即epoch=T_max时，lr_{min}=eta_min, 默认为0.
- 其它参数同上。
学习率余弦衰减：T_max=100
1.5 根据指标调整学习率 ReduceLROnPlateau
当某指标(loss或accuracy)在最近几个epoch中都没有变化(下降或升高超过给定阈值)时，调整学习率。
如当验证集的loss不再下降是，调整学习率；或监察验证集的accuracy不再升高时，调整学习率。
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)
参数：
- mode(str): 模式选择，有min和max两种模式，min表示当指标不再降低(如监测loss)，max表示当指标不再升高(如监测accuracy)。
- factor(float): 学习率调整倍数，同前面的gamma，当监测指标达到要求时，lr=lr×factor。
- patience(int): 忍受该指标多少个epoch不变化，当忍无可忍时，调整学习率。
- verbose(bool): 是否打印学习率信息，print( ‘Epoch {:5d} reducing learning rate of group {} to {:.4e}.’.format(epoch, i, new_lr), 默认为False, 即不打印该信息。
- threshold_mode (str): 选择判断指标是否达最优的模式，有两种模式：rel 和 abs.
当threshold_mode == rel, 并且 mode == max时，dynamic_threshold = best * (1 + threshold);
当threshold_mode == rel, 并且 mode == min时，dynamic_threshold = best * (1 - threshold);
当threshold_mode == abs, 并且 mode == max时，dynamic_threshold = best + threshold;
当threshold_mode == abs, 并且 mode == min时，dynamic_threshold = best - threshold; - threshold(float): 配合threshold_mode使用。
- cooldown(int): “冷却时间”，当调整学习率之后，让学习率调整策略冷静一下，让模型在训练一段时间，再重启监测模式。
- min_lr(float or list): 学习率下限，可为float，或者list，当有多个参数组时，可用list进行设置。
- eps(float): 学习率衰减的最小值，当学习率的变化值小于eps时，则不调整学习率。
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 )
1.6 自定义调整学习率 LambdaLR
为不同参数组设定不同学习率调整策略。调整规则为：
lr = base_lr * lambda(self.last_epoch)
在fine-tune中特别有用，我们不仅可以为不同层设置不同的学习率，还可以为不同层设置不同的学习率调整策略。
torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda, last_epoch=-1)
参数：
- lr_lambda(function or list): 自定义计算学习率调整倍数的函数，通常时epoch的函数，当有多个参数组时，设为list.
- 其它参数同上。
例：
import torch.optim as optimignored_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}], lr=0.001, momentum=0.9, weight_decay=1e-4)
# Assuming optimizer has two groups.
lambda1 = lambda epoch: epoch // 3
lambda2 = lambda epoch: 0.95 ** epochscheduler = LambdaLR(optimizer, lr_lambda=[lambda1, lambda2])for i in range(100):train(...)validate(...)scheduler.step()print('epoch: ', i, 'lr: ', scheduler.get_lr())
输出：
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]
为什么第一个参数组的学习率会是 0 呢？ 来看看学习率是如何计算的。
第一个参数组的初始学习率设置为 0.001,
lambda1 = lambda epoch: epoch // 3,
第 1 个 epoch 时，由 lr = base_lr * lmbda(self.last_epoch)，
可知道 lr = 0.001 (0//3) ，又因为 1//3 等于 0，所以导致学习率为 0。
第二个参数组的学习率变化，就很容易看啦，初始为 0.1， lr = 0.1 * 0.95^epoch ，当
epoch 为 0 时， lr=0.1 ， epoch 为 1 时， lr=0.10.95。
附：给出画上述学习率变化图的程序：
# -*- coding:utf-8 -*-
'''本文件用于测试pytorch学习率调整策略'''__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)# 等间隔调整学习率，每训练step_size个epoch，lr*gamma
# scheduler = lr_scheduler.StepLR(optimizer, step_size=30, gamma=0.1)# 多间隔调整学习率，每训练至milestones中的epoch，lr*gamma
# scheduler = lr_scheduler.MultiStepLR(optimizer, milestones=[10, 30, 80], gamma=0.1)# 指数学习率衰减，lr*gamma**epoch
# scheduler = lr_scheduler.ExponentialLR(optimizer, gamma=0.9)# 余弦退火学习率衰减，T_max表示半个周期，lr的初始值作为余弦函数0处的极大值逐渐开始下降，
# 在epoch=T_max时lr降至最小值，即pi/2处，然后进入后半个周期，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、手动调整学习率
手动调整学习率，通常可以定义如下函数：
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
adjust_learning_rate() 函数就是通过for循环遍历取出每一个param_group，然后修改其中的键 ‘lr’ 的值，称之为手动调整学习率。
又如：
def adjust_learning_rate(epoch, lr):if epoch <= 81: # 32k iterationsreturn lrelif epoch <= 122: # 48k iterationsreturn lr/10else:return lr/100
该函数通过修改每个epoch下，各参数组中的lr来进行学习率手动调整，用法如下：
for epoch in range(epochs):lr = adjust_learning_rate(optimizer, epoch) # 调整学习率optimizer = optim.SGD(net.parameters(), lr=lr, momentum=0.9, weight_decay=5e-4)......optimizer.step() # 采用新的学习率进行参数更新
四、实时打印学习率
如果想要每次迭代都实时打印学习率，这样可以每次step都能知道更新的最新学习率，可以使用
scheduler.get_lr()
它返回一个学习率列表，由参数组中的不同学习率组成，可通过列表索引来得到不同参数组中的学习率。
参考资料：
权重衰减（weight decay）与学习率衰减（learning rate decay）
CNN训练分类任务的优化策略(tricks)
学习率衰减
神经网络学习率（learning rate）的衰减
Pytorch中的学习率衰减及其用法
Pytorch中的学习率衰减及其用法
pytorch必须掌握的的4种学习率衰减策略
学习率衰减方法
学习率衰减(Learning rate decay)
深度学习优化方式
学习率优化方式
模型调参（二）：learning rate decay（学习率衰减）【使用库调整学习率：等间隔、多间隔、指数衰减、余弦退火函数、根据指标、自定义】【手动调整学习率】相关推荐
- Adam和学习率衰减（learning rate decay）
1.梯度下降法更新参数 梯度下降法参数更新公式: 其中,η 是学习率,θt是第 t 轮的参数,J(θt) 是损失函数,∇J(θt) 是梯度. 在最简单的梯度下降法中,学习率 ηη 是常数,是一个需要实 ...
- 深度学习：权重衰减（weight decay）与学习率衰减（learning rate decay）
正则化方法:防止过拟合,提高泛化能力 避免过拟合的方法有很多:early stopping.数据集扩增(Data augmentation).正则化(Regularization)包括L1.L2(L2 ...
- 深度学习——学习率衰减(learning rate decay)
学习率衰减(learning rate decay) 为了防止学习率过大,在收敛到全局最优点的时候会来回摆荡,所以要让学习率随着训练轮数不断按指数级下降,收敛梯度下降的学习步长. 学习率衰减可以用以下 ...
- scikit learn各个常用模型调参总结
SVM 对数据进行归一化 (simple scaling) 使用RBF kernel 使用cross_validation 和 grid_search得到最佳参数gamma和C 使用得到的最优C和ga ...
- 模型调参常见问题及Aadm优化器调参记录
超参数调试.Batch正则化和编程框架 参考链接:链接:https://blog.csdn.net/red_stone1/article/details/78403416 1. Tuning Proc ...
- DeepFM模型调参
Ref: https://tech.meituan.com/2018/06/07/searchads-dnn.html 影响神经网络的超参数非常多,神经网络调参也是一件非常重要的事情.工业界比较实用的 ...
- 深度模型调参知识总结
深度模型调参知识总结 先保证数据质量再去调参 什么是高质量的数据? 高质量数据集应该包括以下特征: 类别均衡 数据充足 数据和标记中有高质量信息 数据和标记错误非常小 与你的问题相关 怎样获取高质量的 ...
- AIRec个性化推荐召回模型调参实战
简介:本文是<AIRec个性化推荐召回模型调参实战(电商.内容社区为例)>的视频分享精华总结,主要由阿里巴巴的产品专家栀露向大家分享AIRec个性化推荐召回模型以及针对这些召回模型在电商和 ...
- Kaggle泰坦尼克号生存预测挑战——模型建立、模型调参、融合
Kaggle泰坦尼克号生存预测挑战 这是kaggle上Getting Started 的Prediction Competition,也是比较入门和简单的新人赛,我的最好成绩好像有进入top8%,重新 ...
- 天池工业蒸汽量预测-模型调参
本文改编自<阿里云天池大赛赛题解析-机器学习篇>工业蒸汽量预测的模型调参.进行了部分素材的替换和知识点的归纳总结.新增了Datawhale8月集成学习中的网格搜索.随机搜索的内容 上一篇工 ...
最新文章
- python语言程序设计基础第二版答案-python语言程序设计基础(第二版)第五章答案随笔...
- itunes app 下载链接的几种表现形式
- BugKu：cookies 欺骗
- Eclipse更改系统主题
- 在细分场景的时代，如何反欺诈和防止内外勾结？
- 继Science发文后，Nature也发文评论曹雪涛“误用图片”调查结果
- 任务计划、chkconfig工具、systemd管理服务、unit、target
- （五）使用生成对抗网络 (GAN)生成新的时装设计
- 微pe添加网络组件_(已解决)干掉peset后如何启动PE的网络组件？
- QQ小游戏 微信小游戏 即时通信 IM 删除会话 deleteConversation sdk
- 计算机中的物理结构,文件的物理结构_文件的物理结构有哪3种,分别具备什么优缺点...
- 用Python实现 学生学籍管理系统
- html中target四种选择_blank、_parent、_self、_top，分别是什么意思？
- Simulink系列 —— S-function的使用笔记（1）
- RealView MDK
- 翔工作室网站策划逻辑图：（online.cumt.edu.cn）
- dialog.js弹窗插件
- Wap与Net之争！！
- 边缘设备、系统及计算杂谈(14)——API Gateway(Traefik)学习
- 第二十章：异步和文件I/O.（十九） 1