torch.optim優(yōu)化算法理解之optim.Adam()解讀

更新時間：2022年11月16日 10:09:09 作者：KGzhang

這篇文章主要介紹了torch.optim優(yōu)化算法理解之optim.Adam()解讀，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教

optim.Adam()解讀

torch.optim是一個實現(xiàn)了多種優(yōu)化算法的包，大多數(shù)通用的方法都已支持，提供了豐富的接口調(diào)用，未來更多精煉的優(yōu)化算法也將整合進來。

為了使用torch.optim，需先構(gòu)造一個優(yōu)化器對象Optimizer，用來保存當前的狀態(tài)，并能夠根據(jù)計算得到的梯度來更新參數(shù)。

要構(gòu)建一個優(yōu)化器optimizer，你必須給它一個可進行迭代優(yōu)化的包含了所有參數(shù)（所有的參數(shù)必須是變量s）的列表。然后，您可以指定程序優(yōu)化特定的選項，例如學習速率，權(quán)重衰減等。

optimizer = optim.SGD(model.parameters(), lr = 0.01, momentum=0.9)
optimizer = optim.Adam([var1, var2], lr = 0.0001)
self.optimizer_D_B = torch.optim.Adam(self.netD_B.parameters(), lr=opt.lr, betas=(opt.beta1, 0.999))

Optimizer還支持指定每個參數(shù)選項。只需傳遞一個可迭代的dict來替換先前可迭代的Variable。
dict中的每一項都可以定義為一個單獨的參數(shù)組，參數(shù)組用一個params鍵來包含屬于它的參數(shù)列表。

其他鍵應該與優(yōu)化器接受的關鍵字參數(shù)相匹配，才能用作此組的優(yōu)化選項。

optim.SGD([
? ? ? ? ? ? ? ? {'params': model.base.parameters()},
? ? ? ? ? ? ? ? {'params': model.classifier.parameters(), 'lr': 1e-3}
? ? ? ? ? ? ], lr=1e-2, momentum=0.9)

如上，model.base.parameters()將使用1e-2的學習率，model.classifier.parameters()將使用1e-3的學習率。0.9的momentum作用于所有的parameters。

優(yōu)化步驟

所有的優(yōu)化器Optimizer都實現(xiàn)了step()方法來對所有的參數(shù)進行更新，它有兩種調(diào)用方法：

optimizer.step()

這是大多數(shù)優(yōu)化器都支持的簡化版本，使用如下的backward()方法來計算梯度的時候會調(diào)用它。

for input, target in dataset:
? ? optimizer.zero_grad()
? ? output = model(input)
? ? loss = loss_fn(output, target)
? ? loss.backward()
? ? optimizer.step()

optimizer.step(closure)

一些優(yōu)化算法，如共軛梯度和LBFGS需要重新評估目標函數(shù)多次，所以你必須傳遞一個closure以重新計算模型。 closure必須清除梯度，計算并返回損失。

for input, target in dataset:
? ? def closure():
? ? ? ? optimizer.zero_grad()
? ? ? ? output = model(input)
? ? ? ? loss = loss_fn(output, target)
? ? ? ? loss.backward()
? ? ? ? return loss
? ? optimizer.step(closure)

Adam算法

adam算法來源：Adam: A Method for Stochastic Optimization

Adam(Adaptive Moment Estimation)本質(zhì)上是帶有動量項的RMSprop，它利用梯度的一階矩估計和二階矩估計動態(tài)調(diào)整每個參數(shù)的學習率。它的優(yōu)點主要在于經(jīng)過偏置校正后，每一次迭代學習率都有個確定范圍，使得參數(shù)比較平穩(wěn)。

其公式如下

這里寫圖片描述

其中，前兩個公式分別是對梯度的一階矩估計和二階矩估計，可以看作是對期望E|gt|，E|gt^2|的估計;

公式3，4是對一階二階矩估計的校正，這樣可以近似為對期望的無偏估計?？梢钥闯?，直接對梯度的矩估計對內(nèi)存沒有額外的要求，而且可以根據(jù)梯度進行動態(tài)調(diào)整。

最后一項前面部分是對學習率n形成的一個動態(tài)約束，而且有明確的范圍。

class torch.optim.Adam(params, lr=0.001, betas=(0.9, 0.999), eps=1e-08, weight_decay=0)

參數(shù)

params(iterable)：可用于迭代優(yōu)化的參數(shù)或者定義參數(shù)組的dicts。
lr (float, optional) ：學習率(默認: 1e-3)
betas (Tuple[float, float], optional)：用于計算梯度的平均和平方的系數(shù)(默認: (0.9, 0.999))
eps (float, optional)：為了提高數(shù)值穩(wěn)定性而添加到分母的一個項(默認: 1e-8)
weight_decay (float, optional)：權(quán)重衰減(如L2懲罰)(默認: 0)
step(closure=None)函數(shù)：執(zhí)行單一的優(yōu)化步驟
closure (callable, optional)：用于重新評估模型并返回損失的一個閉包

torch.optim.adam源碼

import math
from .optimizer import Optimizer

class Adam(Optimizer):
? ? def __init__(self, params, lr=1e-3, betas=(0.9, 0.999), eps=1e-8，weight_decay=0):
? ? ? ? defaults = dict(lr=lr, betas=betas, eps=eps,weight_decay=weight_decay)
? ? ? ? super(Adam, self).__init__(params, defaults)

? ? def step(self, closure=None):
? ? ? ? loss = None
? ? ? ? if closure is not None:
? ? ? ? ? ? loss = closure()

? ? ? ? for group in self.param_groups:
? ? ? ? ? ? for p in group['params']:
? ? ? ? ? ? ? ? if p.grad is None:
? ? ? ? ? ? ? ? ? ? continue
? ? ? ? ? ? ? ? grad = p.grad.data
? ? ? ? ? ? ? ? state = self.state[p]

? ? ? ? ? ? ? ? # State initialization
? ? ? ? ? ? ? ? if len(state) == 0:
? ? ? ? ? ? ? ? ? ? state['step'] = 0
? ? ? ? ? ? ? ? ? ? # Exponential moving average of gradient values
? ? ? ? ? ? ? ? ? ? state['exp_avg'] = grad.new().resize_as_(grad).zero_()
? ? ? ? ? ? ? ? ? ? # Exponential moving average of squared gradient values
? ? ? ? ? ? ? ? ? ? state['exp_avg_sq'] = grad.new().resize_as_(grad).zero_()

? ? ? ? ? ? ? ? exp_avg, exp_avg_sq = state['exp_avg'], state['exp_avg_sq']
? ? ? ? ? ? ? ? beta1, beta2 = group['betas']

? ? ? ? ? ? ? ? state['step'] += 1

? ? ? ? ? ? ? ? if group['weight_decay'] != 0:
? ? ? ? ? ? ? ? ? ? grad = grad.add(group['weight_decay'], p.data)

? ? ? ? ? ? ? ? # Decay the first and second moment running average coefficient
? ? ? ? ? ? ? ? exp_avg.mul_(beta1).add_(1 - beta1, grad)
? ? ? ? ? ? ? ? exp_avg_sq.mul_(beta2).addcmul_(1 - beta2, grad, grad)

? ? ? ? ? ? ? ? denom = exp_avg_sq.sqrt().add_(group['eps'])

? ? ? ? ? ? ? ? bias_correction1 = 1 - beta1 ** state['step']
? ? ? ? ? ? ? ? bias_correction2 = 1 - beta2 ** state['step']
? ? ? ? ? ? ? ? step_size = group['lr'] * math.sqrt(bias_correction2) / bias_correction1

? ? ? ? ? ? ? ? p.data.addcdiv_(-step_size, exp_avg, denom)

? ? ? ? return loss