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:

LambOptimizer - 图1

其中

LambOptimizer - 图2 为第一个动量, LambOptimizer - 图3 为第二个动量, LambOptimizer - 图4 为学习率, LambOptimizer - 图5 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

  1. import paddle.fluid as fluid
  2.  
  3. data = fluid.layers.data(name='x', shape=[5], dtype='float32')
  4. hidden = fluid.layers.fc(input=data, size=10)
  5. cost = fluid.layers.mean(hidden)
  6.  
  7. def exclude_fn(param):
  8. return param.name.endswith('.b_0')
  9.  
  10. optimizer = fluid.optimizer.Lamb(learning_rate=0.002,
  11. exclude_from_weight_decay_fn=exclude_fn)
  12. 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

  1. import numpy
  2. import paddle.fluid as fluid
  3.  
  4. x = fluid.layers.data(name='X', shape=[13], dtype='float32')
  5. y = fluid.layers.data(name='Y', shape=[1], dtype='float32')
  6. y_predict = fluid.layers.fc(input=x, size=1, act=None)
  7. cost = fluid.layers.square_error_cost(input=y_predict, label=y)
  8. loss = fluid.layers.mean(cost)
  9. adam = fluid.optimizer.LambOptimizer(learning_rate=0.2)
  10. adam.minimize(loss)
  11.  
  12. place = fluid.CPUPlace()
  13. exe = fluid.Executor(place)
  14.  
  15. x = numpy.random.random(size=(10, 13)).astype('float32')
  16. y = numpy.random.random(size=(10, 1)).astype('float32')
  17. exe.run(fluid.default_startup_program())
  18. outs = exe.run(program=fluid.default_main_program(),
  19. feed={'X': x, 'Y': y},
  20. 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

  1. import paddle.fluid as fluid
  2. import numpy as np
  3.  
  4. def exclude_fn(param):
  5. return param.name.endswith('.b_0')
  6.  
  7. with fluid.dygraph.guard():
  8. value = np.arange(26).reshape(2, 13).astype("float32")
  9. a = fluid.dygraph.to_variable(value)
  10. linear = fluid.Linear(13, 5, dtype="float32")
  11. optimizer = fluid.optimizer.LambOptimizer(learning_rate=0.02,
  12. exclude_from_weight_decay_fn=exclude_fn,
  13. parameter_list=linear.parameters())
  14. out = linear(a)
  15. out.backward()
  16. optimizer.minimize(out)
  17. 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

  1. import paddle.fluid as fluid
  2. import numpy as np
  3.  
  4. # example1: LearningRateDecay is not used, return value is all the same
  5. with fluid.dygraph.guard():
  6. emb = fluid.dygraph.Embedding([10, 10])
  7. adam = fluid.optimizer.Adam(0.001, parameter_list = emb.parameters())
  8. lr = adam.current_step_lr()
  9. print(lr) # 0.001
  10.  
  11. # example2: PiecewiseDecay is used, return the step learning rate
  12. with fluid.dygraph.guard():
  13. inp = np.random.uniform(-0.1, 0.1, [10, 10]).astype("float32")
  14. linear = fluid.dygraph.nn.Linear(10, 10)
  15. inp = fluid.dygraph.to_variable(inp)
  16. out = linear(inp)
  17. loss = fluid.layers.reduce_mean(out)
  18.  
  19. bd = [2, 4, 6, 8]
  20. value = [0.2, 0.4, 0.6, 0.8, 1.0]
  21. adam = fluid.optimizer.Adam(fluid.dygraph.PiecewiseDecay(bd, value, 0),
  22. parameter_list=linear.parameters())
  23.  
  24. # first step: learning rate is 0.2
  25. np.allclose(adam.current_step_lr(), 0.2, rtol=1e-06, atol=0.0) # True
  26.  
  27. # learning rate for different steps
  28. 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]
  29. for i in range(12):
  30. adam.minimize(loss)
  31. lr = adam.current_step_lr()
  32. np.allclose(lr, ret[i], rtol=1e-06, atol=0.0) # True