PyTorch优化器正则化问题：偏置(bias)不需要正则化(weight decay) / 如何分离网络参数中的偏置(bias)?

问题描述

截至目前，PyTorch中有一个潜在的不合理之处，即pytorch优化器中的正则化会将所有可训练参数都进行正则化，而理论上，偏置（bias）是没有必要进行正则化的（反而会限制模型的能力）。以Adam优化器为例，我们在模型的训练开始之前，一般会这样定义优化器：

optimizer = torch.optim.Adam(net.parameters(), lr=0.01, weight_decay=0.0001)

其中weight_decay为正则化项的系数。如上定义，模型在训练时，模型的所有参数（即net.parameters()）都将被正则化，而我们希望其中的偏置（bias）不要被正则化。怎么办？

解决方案

pytorch的torch.optim.Adam的第一个参数接受一个可学习参数的迭代器（或列表），同时还可以是字典。如下

optimizer = torch.optim.Adam([
    {'params': net.layer.weight, 'weight_decay': 0.0001},
    {'params': net.layer.bias}
], lr=0.01)

如上指定了可学习参数net.layer.bias（这是网络中的一个偏置参数）的学习率lr为0.01，weight_decay为0（也就是没有正则化项）。

对于非常简单的模型，我们可以手动把可学习参数写成如上代码中的字典形式，但对于比较复杂的模型很难手动一个一个的分离出来。通过分析发现，对于比较复杂的模型，其中所有的偏置参数的名字中都含有子串"bias"，如下测试：

其中named_parameters()函数可以获取当前模型中所有的参数（含不可训练的参数）。于是，我们可以这样分离出偏置参数：

bias_list = (p for name, p in net.named_parameters() if 'bias' in name)

注意细节，这里用的是圆括号()而不是[]，因为[]默认是列表，会主动进行一次遍历并返回这个列表，而()返回值为迭代器，只有当被动的迭代它时它才会去计算。话句话说就是[]复杂度高一倍。

最终，我们的优化器如下定义即可实现仅weight正则化而bias取消正则化：

optimizer = torch.optim.Adam([
    {'params': (p for name, p in net.named_parameters() if 'bias' not in name), 'weight_decay': 0.0001},
    {'params': (p for name, p in net.named_parameters() if 'bias' in name)}
], lr=0.01)