LambOptimizer
- class
paddle.fluid.optimizer.
LambOptimizer
(learning_rate=0.001, lamb_weight_decay=0.01, beta1=0.9, beta2=0.999, epsilon=1e-06, parameter_list=None, regularization=None, exclude_from_weight_decay_fn=None, name=None)[源代码]
LAMB(Layer-wise Adaptive Moments optimizer for Batching training)优化器 LAMB的优化器旨在不降低精度的前提下增大训练的批量大小,其支持自适应的逐元素更新和精确的分层校正。 更多信息请参考 Large Batch Optimization for Deep Learning: Training BERT in 76 minutes 。 参数更新如下:
其中
为第一个动量, 为第二个动量, 为学习率, 为 LAMB 权重衰减率。
- 参数:
- learning_rate (float|Variable) – 用于更新参数的学习率。可以是浮点数,或数据类型为浮点数的 Variable。
- lamb_weight_decay (float) – LAMB权重衰减率。
- beta1 (float) – 第一个动量估计的指数衰减率。
- beta2 (float) – 第二个动量估计的指数衰减率。
- epsilon (float) – 一个小的浮点值,目的是维持数值稳定性。
- parameter_list (list, 可选) - 指定优化器需要优化的参数。在动态图模式下必须提供该参数;在静态图模式下默认值为None,这时所有的参数都将被优化。
- regularization (Regularizer) – 一个正则化器,如fluid.regularizer.L1DecayRegularizer。
- exclude_from_weight_decay_fn (function) – 当某个参数作为输入该函数返回值为
True
时,为该参数跳过权重衰减。 - name (str,可选) – 具体用法请参见 cn_api_guide_Name ,一般无需设置,默认值为None。
代码示例
- import paddle.fluid as fluid
- data = fluid.layers.data(name='x', shape=[5], dtype='float32')
- hidden = fluid.layers.fc(input=data, size=10)
- cost = fluid.layers.mean(hidden)
- def exclude_fn(param):
- return param.name.endswith('.b_0')
- optimizer = fluid.optimizer.Lamb(learning_rate=0.002,
- exclude_from_weight_decay_fn=exclude_fn)
- optimizer.minimize(cost)
minimize
(loss, startup_program=None, parameter_list=None, no_grad_set=None, grad_clip=None)
为网络添加反向计算过程,并根据反向计算所得的梯度,更新parameter_list中的Parameters,最小化网络损失值loss。
- 参数:
- loss (Variable) – 需要最小化的损失值变量。
- startup_program (Program, 可选) – 用于初始化parameter_list中参数的 Program , 默认值为None,此时将使用 default_startup_program
- parameter_list (list, 可选) – 待更新的Parameter或者Parameter.name组成的列表, 默认值为None,此时将更新所有的Parameter
- no_grad_set (set, 可选) – 不需要更新的Parameter或者Parameter.name组成的的集合,默认值为None
- grad_clip (GradClipBase, 可选) – 梯度裁剪的策略,静态图模式不需要使用本参数,当前本参数只支持在dygraph模式下的梯度裁剪,未来本参数可能会调整,默认值为None
返回: (optimize_ops, params_grads),数据类型为(list, list),其中optimize_ops是 minimize()
接口为网络添加的OP列表,params_grads是一个由(param, grad)变量对组成的列表,param是Parameter,grad是该Parameter对应的梯度值
返回类型: tuple
代码示例:
- import numpy
- import paddle.fluid as fluid
- x = fluid.layers.data(name='X', shape=[13], dtype='float32')
- y = fluid.layers.data(name='Y', shape=[1], dtype='float32')
- y_predict = fluid.layers.fc(input=x, size=1, act=None)
- cost = fluid.layers.square_error_cost(input=y_predict, label=y)
- loss = fluid.layers.mean(cost)
- adam = fluid.optimizer.LambOptimizer(learning_rate=0.2)
- adam.minimize(loss)
- place = fluid.CPUPlace()
- exe = fluid.Executor(place)
- x = numpy.random.random(size=(10, 13)).astype('float32')
- y = numpy.random.random(size=(10, 1)).astype('float32')
- exe.run(fluid.default_startup_program())
- outs = exe.run(program=fluid.default_main_program(),
- feed={'X': x, 'Y': y},
- fetch_list=[loss.name])
clear_gradients
()
注意:
1. 该API只在 Dygraph 模式下生效
清除需要优化的参数的梯度。
代码示例
- import paddle.fluid as fluid
- import numpy as np
- def exclude_fn(param):
- return param.name.endswith('.b_0')
- with fluid.dygraph.guard():
- value = np.arange(26).reshape(2, 13).astype("float32")
- a = fluid.dygraph.to_variable(value)
- linear = fluid.Linear(13, 5, dtype="float32")
- optimizer = fluid.optimizer.LambOptimizer(learning_rate=0.02,
- exclude_from_weight_decay_fn=exclude_fn,
- parameter_list=linear.parameters())
- out = linear(a)
- out.backward()
- optimizer.minimize(out)
- optimizer.clear_gradients()
current_step_lr
()
注意:
1. 该API只在 Dygraph 模式下生效
获取当前步骤的学习率。当不使用LearningRateDecay时,每次调用的返回值都相同,否则返回当前步骤的学习率。
返回:当前步骤的学习率。
返回类型:float
代码示例
- import paddle.fluid as fluid
- import numpy as np
- # example1: LearningRateDecay is not used, return value is all the same
- with fluid.dygraph.guard():
- emb = fluid.dygraph.Embedding([10, 10])
- adam = fluid.optimizer.Adam(0.001, parameter_list = emb.parameters())
- lr = adam.current_step_lr()
- print(lr) # 0.001
- # example2: PiecewiseDecay is used, return the step learning rate
- with fluid.dygraph.guard():
- inp = np.random.uniform(-0.1, 0.1, [10, 10]).astype("float32")
- linear = fluid.dygraph.nn.Linear(10, 10)
- inp = fluid.dygraph.to_variable(inp)
- out = linear(inp)
- loss = fluid.layers.reduce_mean(out)
- bd = [2, 4, 6, 8]
- value = [0.2, 0.4, 0.6, 0.8, 1.0]
- adam = fluid.optimizer.Adam(fluid.dygraph.PiecewiseDecay(bd, value, 0),
- parameter_list=linear.parameters())
- # first step: learning rate is 0.2
- np.allclose(adam.current_step_lr(), 0.2, rtol=1e-06, atol=0.0) # True
- # learning rate for different steps
- ret = [0.2, 0.2, 0.4, 0.4, 0.6, 0.6, 0.8, 0.8, 1.0, 1.0, 1.0, 1.0]
- for i in range(12):
- adam.minimize(loss)
- lr = adam.current_step_lr()
- np.allclose(lr, ret[i], rtol=1e-06, atol=0.0) # True