AdamW¶
- 类 torch.optim.AdamW(params, lr=0.001, betas=(0.9, 0.999), eps=1e-08, weight_decay=0.01, amsgrad=False, *, maximize=False, foreach=None, capturable=False, differentiable=False, fused=None)[source][source]¶
实现 AdamW 算法,其中权重衰减不会在动量或方差中累积。
有关该算法的更多详细信息,请参阅 Decoupled Weight Decay Regularization。
- 参数
params (iterable) – 要优化的参数或命名参数的可迭代对象,或者定义参数组的字典的可迭代对象。使用命名参数时,所有组中的所有参数都应被命名
lr (float, Tensor, optional) – 学习率 (默认值: 1e-3)。目前并非所有实现都支持张量学习率。如果您未指定 fused=True 或 capturable=True,请使用浮点型学习率。
betas (Tuple[float, float], optional) – 用于计算梯度及其平方的运行平均值的系数 (默认值: (0.9, 0.999))
eps (float, optional) – 添加到分母中以提高数值稳定性的项 (默认值: 1e-8)
weight_decay (float, optional) – 权重衰减系数 (默认值: 1e-2)
amsgrad (bool, optional) – 是否使用来自论文 On the Convergence of Adam and Beyond 的 AMSGrad 变体算法 (默认值: False)
maximize (bool, optional) – 相对于参数最大化目标,而不是最小化 (默认值: False)
foreach (bool, optional) – 是否使用优化器的 foreach 实现。如果用户未指定 (即 foreach 为 None),我们将尝试在 CUDA 上使用 foreach 而非 for 循环实现,因为它通常性能显著更高。请注意,由于中间结果是张量列表而不是单个张量,foreach 实现使用的峰值内存比 for 循环版本多约 sizeof(params)。如果内存限制严格,请每次通过优化器处理更少的参数,或将此标志设置为 False (默认值: None)
capturable (bool, optional) – 此实例是否可以安全地在 CUDA 图中捕获。传递 True 可能会损害未图化时的性能,因此如果您不打算图捕获此实例,请将其保留为 False (默认值: False)
differentiable (bool, optional) – 训练期间是否应通过优化器 step 进行自动求导。否则,step() 函数将在 torch.no_grad() 上下文中运行。设置为 True 可能会损害性能,因此如果您不打算在此实例中运行自动求导,请将其保留为 False (默认值: False)
fused (bool, optional) – 是否使用融合实现。目前支持 torch.float64、torch.float32、torch.float16 和 torch.bfloat16。(默认值: None)
注意
foreach 和 fused 实现通常比 for 循环的单张量实现更快,其中 fused 在垂直和水平融合方面理论上最快。因此,如果用户未指定任何标志(即当 foreach = fused = None 时),并且张量都在 CUDA 上,我们将尝试默认使用 foreach 实现。为什么不默认使用 fused?因为 fused 实现相对较新,我们需要给予其足够的验证时间。要指定使用 fused,请为 fused 传递 True。要强制运行 for 循环实现,请为 foreach 或 fused 传递 False。
注意
Adam 和 AdamW 的一个 MPS 原型实现支持 torch.float32 和 torch.float16。
- add_param_group(param_group)[source]¶
向
Optimizer
的 param_groups 添加一个参数组。在微调预训练网络时这很有用,因为可以使冻结的层变得可训练,并随着训练的进行将其添加到
Optimizer
中。- 参数
param_group (dict) – 指定应优化哪些张量以及组特定的优化选项。
- load_state_dict(state_dict)[source]¶
加载优化器状态。
- 参数
state_dict (dict) – 优化器状态。应为调用
state_dict()
返回的对象。
注意
参数的名称(如果它们存在于
state_dict()
中每个参数组的“param_names”键下)不会影响加载过程。要在自定义情况(例如加载的状态字典中的参数与优化器中初始化的参数不同时)下使用参数名称,应实现自定义的register_load_state_dict_pre_hook
来相应地调整加载的字典。如果param_names
存在于加载的状态字典的param_groups
中,它们将被保存并覆盖优化器状态中(如果存在)当前的名称。如果它们不存在于加载的状态字典中,优化器的param_names
将保持不变。
- register_load_state_dict_post_hook(hook, prepend=False)[source]¶
注册一个 load_state_dict 后置钩子,它将在调用
load_state_dict()
后被调用。它应具有以下签名:hook(optimizer) -> None
optimizer 参数是正在使用的优化器实例。
钩子将在对 self 调用 load_state_dict 后,以 self 作为参数被调用。注册的钩子可用于在 load_state_dict 加载 state_dict 后执行后处理。
- 参数
hook (Callable) – 要注册的用户定义钩子。
prepend (bool) – 如果为 True,则提供的后置钩子将在 load_state_dict 上所有已注册的后置钩子之前触发。否则,提供的钩子将在所有已注册的后置钩子之后触发。(默认值: False)
- 返回
一个句柄,可以通过调用
handle.remove()
来移除添加的钩子- 返回类型
torch.utils.hooks.RemoveableHandle
- register_load_state_dict_pre_hook(hook, prepend=False)[source]¶
注册一个 load_state_dict 前置钩子,它将在调用
load_state_dict()
前被调用。它应具有以下签名:hook(optimizer, state_dict) -> state_dict or None
optimizer 参数是正在使用的优化器实例,state_dict 参数是用户传入 load_state_dict 的 state_dict 的浅拷贝。钩子可以就地修改 state_dict 或选择返回一个新的 state_dict。如果返回了 state_dict,它将被用于加载到优化器中。
钩子将在对 self 调用 load_state_dict 前,以 self 和 state_dict 作为参数被调用。注册的钩子可用于在调用 load_state_dict 前执行预处理。
- 参数
hook (Callable) – 要注册的用户定义钩子。
prepend (bool) – 如果为 True,则提供的前置钩子将在 load_state_dict 上所有已注册的前置钩子之前触发。否则,提供的前置钩子将在所有已注册的前置钩子之后触发。(默认值: False)
- 返回
一个句柄,可以通过调用
handle.remove()
来移除添加的钩子- 返回类型
torch.utils.hooks.RemoveableHandle
- register_state_dict_post_hook(hook, prepend=False)[source]¶
注册一个 state dict 后置钩子,它将在调用
state_dict()
后被调用。它应具有以下签名:
hook(optimizer, state_dict) -> state_dict or None
钩子将在对 self 生成 state_dict 后,以 self 和 state_dict 作为参数被调用。钩子可以就地修改 state_dict 或选择返回一个新的 state_dict。注册的钩子可用于在 state_dict 返回前对其进行后处理。
- 参数
hook (Callable) – 要注册的用户定义钩子。
prepend (bool) – 如果为 True,则提供的后置钩子将在 state_dict 上所有已注册的后置钩子之前触发。否则,提供的后置钩子将在所有已注册的后置钩子之后触发。(默认值: False)
- 返回
一个句柄,可以通过调用
handle.remove()
来移除添加的钩子- 返回类型
torch.utils.hooks.RemoveableHandle
- register_state_dict_pre_hook(hook, prepend=False)[source]¶
注册一个 state dict 前置钩子,它将在调用
state_dict()
前被调用。它应具有以下签名:
hook(optimizer) -> None
optimizer 参数是正在使用的优化器实例。钩子将在对 self 调用 state_dict 前,以 self 作为参数被调用。注册的钩子可用于在调用 state_dict 前执行预处理。
- 参数
hook (Callable) – 要注册的用户定义钩子。
prepend (bool) – 如果为 True,则提供的前置钩子将在 state_dict 上所有已注册的前置钩子之前触发。否则,提供的前置钩子将在所有已注册的前置钩子之后触发。(默认值: False)
- 返回
一个句柄,可以通过调用
handle.remove()
来移除添加的钩子- 返回类型
torch.utils.hooks.RemoveableHandle
- register_step_post_hook(hook)[source]¶
注册一个优化器 step 后置钩子,它将在优化器 step 后被调用。
它应具有以下签名:
hook(optimizer, args, kwargs) -> None
optimizer 参数是正在使用的优化器实例。
- 参数
hook (Callable) – 要注册的用户定义钩子。
- 返回
一个句柄,可以通过调用
handle.remove()
来移除添加的钩子- 返回类型
torch.utils.hooks.RemoveableHandle
- register_step_pre_hook(hook)[source]¶
注册一个优化器 step 前置钩子,它将在优化器 step 前被调用。
它应具有以下签名:
hook(optimizer, args, kwargs) -> None or modified args and kwargs
optimizer 参数是正在使用的优化器实例。如果 args 和 kwargs 被前置钩子修改,则转换后的值将作为包含 new_args 和 new_kwargs 的元组返回。
- 参数
hook (Callable) – 要注册的用户定义钩子。
- 返回
一个句柄,可以通过调用
handle.remove()
来移除添加的钩子- 返回类型
torch.utils.hooks.RemoveableHandle
- state_dict()[source]¶
将优化器状态作为
dict
返回。它包含两个条目:
state
: 一个包含当前优化状态的 Dict。其内容在不同的优化器类之间有所不同,但有一些共同的特点。例如,状态是按参数保存的,参数本身不会被保存。
state
是一个将参数 ID 映射到包含每个参数对应状态的 Dict。
param_groups
: 一个包含所有参数组的 List,其中每个参数组是一个 Dict。每个参数组包含特定于优化器的元数据,如学习率和权重衰减,以及该组中参数的参数 ID 列表。如果参数组是使用
named_parameters()
初始化的,则名称内容也会保存在状态字典中。
注意:参数 ID 可能看起来像索引,但它们只是将状态与参数组关联起来的 ID。从 state_dict 加载时,优化器会将参数组的参数(整数 ID)与优化器的参数组(实际的
nn.Parameter
)打包在一起,以便匹配状态,而无需额外验证。返回的状态字典可能如下所示:
{ 'state': { 0: {'momentum_buffer': tensor(...), ...}, 1: {'momentum_buffer': tensor(...), ...}, 2: {'momentum_buffer': tensor(...), ...}, 3: {'momentum_buffer': tensor(...), ...} }, 'param_groups': [ { 'lr': 0.01, 'weight_decay': 0, ... 'params': [0] 'param_names' ['param0'] (optional) }, { 'lr': 0.001, 'weight_decay': 0.5, ... 'params': [1, 2, 3] 'param_names': ['param1', 'layer.weight', 'layer.bias'] (optional) } ] }
- zero_grad(set_to_none=True)[source]¶
重置所有优化的
torch.Tensor
的梯度。- 参数
set_to_none (bool) – 不将梯度设置为零,而是将其设置为 None。这样做通常可以降低内存占用,并适度提升性能。但是,它会改变一些行为。例如:1. 当用户尝试访问梯度并对其执行手动操作时,None 属性或一个全是 0 的张量会有不同的行为。2. 如果用户调用了
zero_grad(set_to_none=True)
之后执行反向传播,则对于未接收到梯度的参数,它们的.grad
保证为 None。3.torch.optim
优化器在梯度为 0 或 None 时有不同的行为(一种情况是使用 0 的梯度执行步进,另一种情况是完全跳过该步)。