DGCMomentumOptimizer
注意:该API仅支持【静态图】模式
- class
paddle.fluid.optimizer.
DGCMomentumOptimizer
(learning_rate, momentum, rampup_begin_step, rampup_step=1, sparsity=[0.999], use_nesterov=False, local_grad_clip_norm=None, num_trainers=None, regularization=None, name=None)[源代码]
DGC(深度梯度压缩)Momentum 优化器。原始论文: https://arxiv.org/abs/1712.01887
DGC通过只传送重要梯度(稀疏更新)的方式,即只发送大于给定阈值的梯度,来减少通信带宽使用。
DGC会在本地累加剩余梯度以避免信息的丢失。最终这些梯度会大到足以传输。
因此,DGC只会立即发送大梯度,但随时间流逝所有梯度终将发送出去。
为确保精度不会损失,DGC在梯度稀疏化之上采用动量修正和局部梯度修剪(clip)来维持模型性能。
DGC还使用动量因子掩藏(momentum factor masking)和预训练(warm-up)来克服由于规约(reduced)通信而导致的数据陈旧性(staleness)问题。
这个优化器会执行如下操作:
- 从张量中获取的前TopK个重要梯度进行压缩,并将其用于allreduce通信以减少网络带宽使用。
- 调用momentum来优化代价函数。
- 参数:
- learning_rate (float | Variable) - 用于更新参数的学习率。可以是浮点值或由一个浮点型数据组成的Variable。
- momentum (float) - 动量因子。
- rampup_begin_step (int) - 进行梯度压缩的起步点。
- rampup_step (int) - 使用稀疏预热的时间步长。默认值为1。例如:如果稀疏度为[0.75,0.9375,0.984375,0.996,0.999],并且rampup_step为100,则在0~19步时使用0.75,在20~39步时使用0.9375,依此类推。当到达sparsity数组末尾时,此后将会使用0.999。
- sparsity (list [float]) - 从梯度张量中获取top个重要元素,比率为(1-当前稀疏度)。默认值为[0.999]。例如:如果sparsity为[0.99, 0.999],则将传输top [1%, 0.1%]的重要元素。
- use_nesterov (bool) - 启用Nesterov momentum。 True意味着使用Nesterov。默认值False。
- local_grad_clip_norm (float,可选) - 局部梯度裁减标准值。可选,默认为None,表示不需要裁减。
- num_trainers (int,可选) - 训练节点的数量。可选,默认为None。
- regularization (WeightDecayRegularizer,可选) - 正则器, 如 L2DecayRegularizer。可选,默认为None。
- name (str,可选) - 该参数供开发人员打印调试信息时使用,具体用法请参见 Name ,默认值为None。
代码示例
- import paddle.fluid as fluid
- optimizer = fluid.optimizer.DGCMomentumOptimizer(
- learning_rate=0.0001,
- momentum=0.9,
- rampup_step=1000,
- rampup_begin_step=1252,
- sparsity=[0.999, 0.999])
apply_gradients
(params_grads)
为给定的params_grads对附加优化算子,为minimize过程的第二步
- 参数:
- params_grads (list)- 用于优化的(param, grad)对组成的列表
返回: 附加在当前Program的算子组成的列表
返回类型: list
代码示例
- import paddle.fluid as fluid
- loss = network()
- optimizer = fluid.optimizer.SGD(learning_rate=0.1)
- params_grads = optimizer.backward(loss)
- # you may append operations for params_grads here
- # ...
- optimizer.apply_gradients(params_grads)
apply_optimize
(loss, startup_program, params_grads)
为给定的params_grads对附加优化算子,为minimize过程的第二步。
- 参数:
- loss (Variable) – 用于优化过程的损失值变量
- startup_program (Program) – 用于初始化在parameter_list中参数的startup_program
- params_grads (list)- 用于优化的(param, grad)对组成的列表
返回: 附加在当前Program的算子组成的列表
返回类型: list
backward
(loss, startup_program=None, parameter_list=None, no_grad_set=None, callbacks=None)
自动做diff来向当前program附加反向算子,为minimize过程的第一步。
- 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组成的集合,默认值为None
- callbacks (list, 可选) – 当为某参数附加反向算子时所要运行的callables组成的列表
返回: 附加在当前Program的算子组成的列表
返回类型: list
代码示例
详见apply_gradients的示例
minimize
(loss, startup_program=None, parameter_list=None, no_grad_set=None, grad_clip=None)
通过更新parameter_list来添加操作,进而使损失最小化。
该算子相当于backward()和apply_gradients()功能的合体。
- 参数:
- loss (Variable) – 用于优化过程的损失值变量
- startup_program (Program) – 用于初始化在parameter_list中参数的startup_program
- parameter_list (list) – 待更新的Variables组成的列表
- no_grad_set (set|None) – 应该被无视的Variables集合
- grad_clip (GradClipBase|None) – 梯度裁剪的策略
返回: (optimize_ops, params_grads),分别为附加的算子列表;一个由(param, grad) 变量对组成的列表,用于优化
返回类型: tuple