SGD¶
- class torch.optim.SGD(params, lr=0.001, momentum=0, dampening=0, weight_decay=0, nesterov=False, *, maximize=False, foreach=None, differentiable=False, fused=None)[source]¶
实现随机梯度下降(可选地使用动量)。
Nesterov 动量基于深度学习中初始化和动量的重要性 中的公式。
- 参数
params (iterable) – 要优化的参数的迭代器或定义参数组的字典
momentum (float, optional) – 动量因子(默认值:0)
weight_decay (float, optional) – 权重衰减(L2 惩罚)(默认值:0)
dampening (float, optional) – 动量的阻尼(默认值:0)
nesterov (bool, optional) – 启用 Nesterov 动量(默认值:False)
maximize (bool, optional) – 相对于参数最大化目标函数,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(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 foreach 通常性能更高。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,而不是单个张量。如果内存不足,请一次对更少的参数进行批处理,或将此标志切换为 False(默认值:None)
differentiable (bool, optional) – 是否在训练过程中对优化器步长执行自动微分。否则,step() 函数将在 torch.no_grad() 上下文中运行。设置为 True 会降低性能,因此如果您不打算对该实例运行自动微分,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 和融合实现通常比 for 循环、单张量实现更快,理论上融合实现通过垂直和水平融合速度最快。因此,如果用户未指定任何标志(即,当 foreach = fused = None 时),我们将在所有张量都在 CUDA 上时尝试默认使用 foreach 实现。为什么不使用融合?由于融合实现是比较新的,我们希望给它足够的时间来验证。要指定融合,请将 fused 设置为 True。要强制运行 for 循环实现,请将 foreach 或 fused 设置为 False。
示例
>>> optimizer = torch.optim.SGD(model.parameters(), lr=0.1, momentum=0.9) >>> optimizer.zero_grad() >>> loss_fn(model(input), target).backward() >>> optimizer.step()
注意
使用动量/Nesterov 的 SGD 实现与 Sutskever 等人以及其他一些框架中的实现略有不同。
考虑到动量的具体情况,更新可以写成
其中 、、 和 分别表示参数、梯度、速度和动量。
这与 Sutskever 等人以及其他使用以下形式更新的框架形成对比
Nesterov 版本的修改类似。
此外,动量缓冲区的初始值设置为第一步的梯度值。这与其他一些将动量缓冲区初始化为全零的框架形成对比。
- add_param_group(param_group)¶
向
Optimizer
的 param_groups 添加一个参数组。这在微调预训练网络时很有用,因为冻结的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) – 指定应优化的张量以及组特定的优化选项。
- load_state_dict(state_dict)¶
加载优化器状态。
- 参数
state_dict (dict) – 优化器状态。应该是一个由调用
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,它将在调用
load_state_dict()
之后被调用。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,将使用参数self
调用该挂钩。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) – 要注册的用户定义挂钩。
prepend (bool) – 如果为 True,则提供的 post
hook
将在load_state_dict
上所有已注册的 post 挂钩之前触发。否则,提供的hook
将在所有已注册的 post 挂钩之后触发。(默认值:False)
- Returns
一个句柄,可通过调用
handle.remove()
来删除添加的挂钩- Return type
torch.utils.hooks.RemoveableHandle
- register_load_state_dict_pre_hook(hook, prepend=False)¶
注册一个 load_state_dict 前挂钩,它将在调用
load_state_dict()
之前被调用。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,将使用参数self
和state_dict
调用该挂钩。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) – 要注册的用户定义挂钩。
prepend (bool) – 如果为 True,则提供的 pre
hook
将在load_state_dict
上所有已注册的 pre 挂钩之前触发。否则,提供的hook
将在所有已注册的 pre 挂钩之后触发。(默认值:False)
- Returns
一个句柄,可通过调用
handle.remove()
来删除添加的挂钩- Return type
torch.utils.hooks.RemoveableHandle
- register_state_dict_post_hook(hook, prepend=False)¶
注册一个 state dict 后挂钩,它将在调用
state_dict()
之后被调用。它应该具有以下签名
hook(optimizer, state_dict) -> state_dict or None
在对
self
生成state_dict
后,将使用参数self
和state_dict
调用该挂钩。挂钩可以就地修改 state_dict,或者可以选择返回一个新的 state_dict。注册的挂钩可用于在返回state_dict
之前对其进行后处理。- 参数
hook (Callable) – 要注册的用户定义挂钩。
prepend (bool) – 如果为 True,则提供的 post
hook
将在state_dict
上所有已注册的 post 挂钩之前触发。否则,提供的hook
将在所有已注册的 post 挂钩之后触发。(默认值:False)
- Returns
一个句柄,可通过调用
handle.remove()
来删除添加的挂钩- Return type
torch.utils.hooks.RemoveableHandle
- register_state_dict_pre_hook(hook, prepend=False)¶
注册一个 state dict 前挂钩,它将在调用
state_dict()
之前被调用。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) – 要注册的用户定义挂钩。
prepend (bool) – 如果为 True,则提供的 pre
hook
将在state_dict
上所有已注册的 pre 挂钩之前触发。否则,提供的hook
将在所有已注册的 pre 挂钩之后触发。(默认值:False)
- Returns
一个句柄,可通过调用
handle.remove()
来删除添加的挂钩- Return type
torch.utils.hooks.RemoveableHandle
- register_step_post_hook(hook)¶
注册一个优化器步骤后挂钩,它将在优化器步骤之后被调用。
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) – 要注册的用户定义挂钩。
- Returns
一个句柄,可通过调用
handle.remove()
来删除添加的挂钩- Return type
torch.utils.hooks.RemovableHandle
- register_step_pre_hook(hook)¶
注册一个优化器步骤前挂钩,它将在优化器步骤之前被调用。
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) – 要注册的用户定义挂钩。
- Returns
一个句柄,可通过调用
handle.remove()
来删除添加的挂钩- Return type
torch.utils.hooks.RemovableHandle
- state_dict()¶
将优化器的状态作为
dict
返回。它包含两个条目
state
: 保存当前优化状态的 Dict。其内容在不同的优化器类之间有所不同,但一些共同特征保持不变。例如,状态是为每个参数保存的,参数本身没有保存。
state
是一个 Dictionary,将参数 ID 映射到一个 Dict,其中包含与每个参数对应的状态。
param_groups
: 包含所有参数组的 List,其中每个参数组是一个 Dict。每个参数组都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,但它们只是与参数组关联状态的 ID。从 state_dict 加载时,优化器将拉链 param_group
params
(int ID) 和优化器param_groups
(实际nn.Parameter
s) 为了匹配状态,无需额外验证。返回的 state dict 可能类似于
{ '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)¶
重置所有优化的
torch.Tensor
s 的梯度。- 参数
set_to_none (bool) – 而不是设置为零,将梯度设置为 None。通常情况下,这将具有更低的内存占用,并且可以适度提高性能。但是,它会改变某些行为。例如:1. 当用户尝试访问梯度并在其上执行手动操作时,None 属性或 Tensor 全为 0 将产生不同的行为。 2. 如果用户请求
zero_grad(set_to_none=True)
后跟反向传播,则对于没有接收梯度的参数,.grad
保证为 None。 3. 如果梯度为 0 或 None,则torch.optim
优化器具有不同的行为(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)。