RAdam¶
- class torch.optim.RAdam(params, lr=0.001, betas=(0.9, 0.999), eps=1e-08, weight_decay=0, decoupled_weight_decay=False, *, foreach=None, maximize=False, capturable=False, differentiable=False)[源代码]¶
实现 RAdam 算法。
有关算法的更多详细信息,请参阅 自适应学习率的方差及其超越。
此实现提供了一个选项,可以使用 Adam 中的原始 weight_decay 实现(其中 weight_decay 应用于梯度)或 AdamW 中的实现(其中 weight_decay 应用于权重),这可以通过 decoupled_weight_decay 选项实现。当 decoupled_weight_decay 设置为 False(默认)时,它使用原始 Adam 样式的 weight_decay,否则,它使用 AdamW 样式,这更接近于 RAdam 论文中作者的实现。有关解耦权重衰减的更多信息,请参阅 解耦权重衰减正则化。
- 参数
params (iterable) – 要优化的参数的 iterable 或定义参数组的字典
betas (Tuple[float, float], 可选) – 用于计算梯度及其平方的运行平均值的系数(默认: (0.9, 0.999))
eps (float, 可选) – 添加到分母的项,以提高数值稳定性(默认:1e-8)
weight_decay (float, 可选) – 权重衰减(L2 惩罚)(默认:0)
decoupled_weight_decay (bool, 可选) – 是否使用 AdamW 中的解耦权重衰减来获得 RAdamW(默认:False)
foreach (bool, 可选) – 是否使用优化器的 foreach 实现。如果用户未指定(因此 foreach 为 None),我们将在 CUDA 上尝试使用 foreach 而不是 for 循环实现,因为它通常性能要高得多。请注意,foreach 实现比 for 循环版本使用大约 sizeof(params) 更多的峰值内存,因为中间结果是张量列表,而不仅仅是一个张量。如果内存有限,请一次通过优化器对更少的参数进行批处理,或将此标志切换为 False(默认:None)
maximize (bool, 可选) – 相对于参数最大化目标函数,而不是最小化(默认:False)
differentiable (bool, 可选) – 是否应在训练期间通过优化器步骤进行自动微分。否则,step() 函数在 torch.no_grad() 上下文中运行。设置为 True 会影响性能,因此,如果你不打算通过此实例运行自动微分,请保持 False(默认:False)
capturable (bool, 可选) – 此实例是否可以在 CUDA 图中安全捕获。 将 True 传递可能影响非图化性能,因此,如果您不打算捕获此实例,请将其保留为 False(默认值:False)
- add_param_group(param_group)¶
将参数组添加到
Optimizer
的 param_groups 中。这在微调预训练网络时可能很有用,因为冻结层可以变为可训练的,并随着训练的进行添加到
Optimizer
中。- 参数
param_group (dict) – 指定哪些张量应该与组特定的优化选项一起进行优化。
- load_state_dict(state_dict)¶
加载优化器状态。
- 参数
state_dict (dict) – 优化器状态。 应该是一个从调用
state_dict()
返回的对象。
- register_load_state_dict_post_hook(hook, prepend=False)¶
注册一个 load_state_dict 后挂钩,该挂钩将在调用
load_state_dict()
后调用。 它应该具有以下签名hook(optimizer) -> None
The
optimizer
argument is the optimizer instance being used.在对
self
调用load_state_dict
后,挂钩将使用参数self
调用。 已注册的挂钩可用于在load_state_dict
加载state_dict
后执行后处理。- 参数
hook (Callable) – 用户定义的要注册的挂钩。
prepend (bool) – 如果为 True,则提供的后
hook
将在load_state_dict
上所有已注册的后挂钩之前触发。 否则,提供的hook
将在所有已注册的后挂钩之后触发。(默认值:False)
- 返回值
一个句柄,可用于通过调用
handle.remove()
来删除添加的挂钩- 返回类型
torch.utils.hooks.RemoveableHandle
- register_load_state_dict_pre_hook(hook, prepend=False)¶
注册一个 load_state_dict 前挂钩,该挂钩将在调用
load_state_dict()
之前调用。 它应该具有以下签名hook(optimizer, state_dict) -> state_dict or None
The
optimizer
argument is the optimizer instance being used and thestate_dict
argument is a shallow copy of thestate_dict
the user passed in toload_state_dict
. The hook may modify the state_dict inplace or optionally return a new one. If a state_dict is returned, it will be used to be loaded into the optimizer.在对
self
调用load_state_dict
之前,挂钩将使用参数self
和state_dict
调用。 已注册的挂钩可用于在进行load_state_dict
调用之前执行预处理。- 参数
hook (Callable) – 用户定义的要注册的挂钩。
prepend (bool) – 如果为 True,则提供的预
hook
将在load_state_dict
上所有已注册的预挂钩之前触发。 否则,提供的hook
将在所有已注册的预挂钩之后触发。(默认值:False)
- 返回值
一个句柄,可用于通过调用
handle.remove()
来删除添加的挂钩- 返回类型
torch.utils.hooks.RemoveableHandle
- register_state_dict_post_hook(hook, prepend=False)¶
注册一个状态字典后挂钩,该挂钩将在调用
state_dict()
后调用。它应该具有以下签名
hook(optimizer, state_dict) -> state_dict or None
在
self
上生成state_dict
后,挂钩将使用参数self
和state_dict
调用。 挂钩可以在原地修改 state_dict 或可选地返回一个新的 state_dict。 已注册的挂钩可用于在返回state_dict
之前对state_dict
执行后处理。- 参数
hook (Callable) – 用户定义的要注册的挂钩。
prepend (bool) – 如果为 True,则提供的后
hook
将在state_dict
上所有已注册的后挂钩之前触发。 否则,提供的hook
将在所有已注册的后挂钩之后触发。(默认值:False)
- 返回值
一个句柄,可用于通过调用
handle.remove()
来删除添加的挂钩- 返回类型
torch.utils.hooks.RemoveableHandle
- register_state_dict_pre_hook(hook, prepend=False)¶
注册一个状态字典前挂钩,该挂钩将在调用
state_dict()
之前调用。它应该具有以下签名
hook(optimizer) -> None
The
optimizer
argument is the optimizer instance being used. The hook will be called with argumentself
before callingstate_dict
onself
. The registered hook can be used to perform pre-processing before thestate_dict
call is made.- 参数
hook (Callable) – 用户定义的要注册的挂钩。
prepend (bool) – 如果为 True,则提供的预
hook
将在state_dict
上所有已注册的预挂钩之前触发。 否则,提供的hook
将在所有已注册的预挂钩之后触发。(默认值:False)
- 返回值
一个句柄,可用于通过调用
handle.remove()
来删除添加的挂钩- 返回类型
torch.utils.hooks.RemoveableHandle
- register_step_post_hook(hook)¶
注册一个优化器步骤后挂钩,该挂钩将在优化器步骤后调用。
它应该具有以下签名
hook(optimizer, args, kwargs) -> None
The
optimizer
argument is the optimizer instance being used.- 参数
hook (Callable) – 用户定义的要注册的挂钩。
- 返回值
一个句柄,可用于通过调用
handle.remove()
来删除添加的挂钩- 返回类型
torch.utils.hooks.RemovableHandle
- register_step_pre_hook(hook)¶
注册一个优化器步骤前挂钩,该挂钩将在优化器步骤前调用。
它应该具有以下签名
hook(optimizer, args, kwargs) -> None or modified args and kwargs
The
optimizer
argument is the optimizer instance being used. If args and kwargs are modified by the pre-hook, then the transformed values are returned as a tuple containing the new_args and new_kwargs.- 参数
hook (Callable) – 用户定义的要注册的挂钩。
- 返回值
一个句柄,可用于通过调用
handle.remove()
来删除添加的挂钩- 返回类型
torch.utils.hooks.RemovableHandle
- state_dict()¶
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。 它的内容在优化器类之间有所不同,但某些共同特征保持不变。 例如,状态是针对每个参数保存的,参数本身并没有保存。
state
是一个字典,将参数 ID 映射到包含与每个参数相对应的状态的 Dict。
param_groups
: 一个包含所有参数组的列表,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,例如学习率和权重衰减,以及组中参数的参数 ID 列表。
注意:参数 ID 可能看起来像索引,但它们只是将状态与 param_group 关联的 ID。 从 state_dict 加载时,优化器将 zip param_group
params
(int ID)和优化器param_groups
(实际的nn.Parameter
)以匹配状态,无需其他验证。返回的状态字典可能看起来像
{ '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] }, { 'lr': 0.001, 'weight_decay': 0.5, ... 'params': [1, 2, 3] } ] }
- zero_grad(set_to_none=True)¶
重置所有优化过的
torch.Tensor
的梯度。- 参数
set_to_none (bool) – 而不是设置为零,将梯度设置为 None。这通常会降低内存占用,并可以适度提高性能。但是,它会改变某些行为。例如:1. 当用户尝试访问梯度并对其进行手动操作时,None 属性或全为 0 的张量将表现不同。2. 如果用户请求
zero_grad(set_to_none=True)
后跟反向传播,则对于未接收梯度的参数,.grad
保证为 None。3.torch.optim
优化器在梯度为 0 或 None 时会有不同的行为(在一种情况下,它使用梯度 0 执行步骤,而在另一种情况下,它完全跳过步骤)。