一、模板:
经典训练模板:
for i, (image, label) in enumerate(train_loader):
# 1. input output
pred = model(image)
loss = criterion(pred, label)
# 2. backward
optimizer.zero_grad() # reset gradient
loss.backward()
optimizer.step()
获取 loss:输入图像和标签,通过infer计算得到预测值,计算损失函数;
optimizer.zero_grad() 清空过往梯度;
loss.backward() 反向传播,计算当前梯度;
optimizer.step() 根据梯度更新网络参数
简单的说就是进来一个 batch 的数据,计算一次梯度,更新一次网络
加入梯度累加的训练模板:
for i,(image, label) in enumerate(train_loader):
# 1. input output
pred = model(image)
loss = criterion(pred, label)
# 2.1 loss regularization
loss = loss / accumulation_steps
# 2.2 back propagation
loss.backward()
# 3. update parameters of net
if (i+1) % accumulation_steps == 0:
# optimizer the net
optimizer.step() # update parameters of net
optimizer.zero_grad() # reset gradient
获取 loss:输入图像和标签,通过infer计算得到预测值,计算损失函数;
loss.backward() 反向传播,计算当前梯度;
多次循环步骤 1-2,不清空梯度,使梯度累加在已有梯度上;
梯度累加了一定次数后,先optimizer.step() 根据累计的梯度更新网络参数,然后optimizer.zero_grad() 清空过往梯度,为下一波梯度累加做准备;
总结来说:梯度累加就是,每次获取1个batch的数据,计算1次梯度,梯度不清空,不断累加,累加一定次数后,根据累加的梯度更新网络参数,然后清空梯度,进行下一次循环。一定条件下,batchsize 越大训练效果越好,梯度累加则实现了 batchsize 的变相扩大,如果accumulation_steps 为 8,则batchsize ‘变相’ 扩大了8倍,使用时需要注意,学习率也要适当放大。
二、加入梯度剪切
torch.nn.utils.clip_grad_norm(parameters, max_norm, norm_type=2)
arameters (Iterable[Variable]) – 一个基于变量的迭代器,会进行归一化
max_norm (float or int) – 梯度的最大范数
norm_type(float or int) – 规定范数的类型,默认为L2
Returns:参数的总体范数(作为单个向量来看)
三、多卡训练
DistributedDataParallel训练时要加参数:
python -m torch.distributed.launch train.py
否则会报错:Error initializing torch.distributed using env:// rendezvous: environment variable RANK expected, but not set