OPTIMIZATION
优化器用于对梯度、学习率等进行调整
下面是一个优化器的配置:
OPTIMIZATION:
BATCH_SIZE_PER_GPU: 4
NUM_EPOCHS: 10
OPTIMIZER: adam_onecycle
LR: 0.001
WEIGHT_DECAY: 0.04
MOMENTUM: 0.8
MOMS: [0.85, 0.75]
PCT_START: 0.1
DIV_FACTOR: 100
DECAY_STEP_LIST: [35, 45]
LR_DECAY: 0.1
LR_CLIP: 0.0000001
LR_WARMUP: False
WARMUP_EPOCH: 1
GRAD_NORM_CLIP: 10
LOSS_SCALE_FP16: 32.0
下面来看每个配置的具体作用和含义:
按照配置的功能,可以分为以下几组:
-
首先是batch_size 和epoch
BATCH_SIZE_PER_GPU: 4 # 表示每个GPU上一次迭代的batch size 是4
NUM_EPOCHS: 10 # 表示一共训练10个epoch -
然后是Optimizer(优化器)
OPTIMIZER: adam_onecycle # 表示使用的优化器是adam_onecycle
LR: 0.001 # 表示初始学习率是0.001
WEIGHT_DECAY: 0.04 # 表示权重衰减系数是 0.04
MOMENTUM: 0.8 # 表示MOMENTUM是0.8, SGD算法需要,其他不需要 -
然后是Scheduler(学习率调度器)
参考:https://blog.csdn.net/ChuiGeDaQiQiu/article/details/121462371
MOMS: [0.95, 0.85]
PCT_START: 0.1
DIV_FACTOR: 100
DECAY_STEP_LIST: [35, 45]
LR_DECAY: 0.1
LR_CLIP: 0.0000001
LR_WARMUP: False
WARMUP_EPOCH: 1
- 梯度裁剪clip_grad_norm_
GRAD_NORM_CLIP: 10
LOSS_SCALE_FP16: 32.0
下面对各个功能组件进行具体分析:
batch_size 和 epoch数比较简单,没啥好说的
下面来看Optimizer(优化器)
怎么构造
Optimizer在train.py中通过
build_optimizer(model, optim_cfg, filter_frozen_params=False) 函数进行构造
def build_optimizer(model, optim_cfg, filter_frozen_params=False):
if optim_cfg.OPTIMIZER == 'adam':
optimizer = optim.Adam(model.parameters(), lr=optim_cfg.LR, weight_decay=optim_cfg.WEIGHT_DECAY)
elif optim_cfg.OPTIMIZER == 'sgd':
optimizer = optim.SGD(
model.parameters(), lr=optim_cfg.LR, weight_decay=optim_cfg.WEIGHT_DECAY,
momentum=optim_cfg.MOMENTUM
)
elif optim_cfg.OPTIMIZER in ['adam_onecycle','adam_cosineanneal']:
def children(m: nn.Module):
return list(m.children())
def num_children(m: nn.Module) -> int:
return len(children(m))
flatten_model = lambda m: sum(map(flatten_model, m.children()), []) if num_children(m) else [m]
get_layer_groups = lambda m: [nn.Sequential(*flatten_model(m))]
betas = optim_cfg.get('BETAS', (0.9, 0.99))
betas = tuple(betas)
optimizer_func = partial(optim.Adam, betas=betas)
optimizer = OptimWrapper.create(
optimizer_func, 3e-3, get_layer_groups(model), wd=optim_cfg.WEIGHT_DECAY, true_wd=True, bn_wd=True
)
else:
raise NotImplementedError
return optimizer
不同的Optimizer有不同的构造方法,openpcdet中提供了adam、sgd、adam_onecycle、adam_cosineanneal这几种Optimizer,这里不对Optimizer做具体解释,放在另外一个文档中进行具体分析
怎么使用
优化器的使用涉及到两方面:
一是使用优化器进行梯度更新
二是构造学习率调整器,由学习率调整器对优化器进行更新
首先来看使用优化器进行梯度更新
def train_one_epoch(..., optimizer, ...):
... 忽略一堆代码
# 混合精度训练的缩放操作
scaler = torch.cuda.amp.GradScaler(enabled=use_amp, init_scale=optim_cfg.get('LOSS_SCALE_FP16', 2.0 ** 16))
... 忽略一堆代码
lr_scheduler.step(accumulated_iter, cur_epoch) # 学习率调整
try:
cur_lr = float(optimizer.lr) # 读取当前的学习率,用于日志显示
except:
cur_lr = optimizer.param_groups[0]['lr']
if tb_log is not None:
tb_log.add_scalar('meta_data/learning_rate', cur_lr, accumulated_iter)
model.train()
optimizer.zero_grad() # 梯度清零
with torch.cuda.amp.autocast(enabled=use_amp):
loss, tb_dict, disp_dict = model_func(model, batch)
scaler.scale(loss).backward() # 如果不用混合精度训练,直接loss.backward()就行,进行方向传播计算
scaler.unscale_(optimizer) # 将优化器中的梯度反向缩放回原始的 FP32 精度
clip_grad_norm_(model.parameters(), optim_cfg.GRAD_NORM_CLIP) # 梯度裁剪,用于限制梯度的范数,防止梯度爆炸的情况发生
scaler.step(optimizer) # 使用优化器来更新模型的参数。由于之前已经对梯度进行了缩放处理,因此这里直接调用 step() 方法来执行参数更新
scaler.update() # 用于更新 AMP 的内部状态,以便在下一次迭代中使用正确的缩放因子
... 忽略一堆代码
然后看构造学习率调整器
将上面构造好的optimizer作为参数传入 build_scheduler() 函数,用于构造学习率调整器
然后构造好的学习率调整器在每次迭代调用lr_scheduler.step(accumulated_iter, cur_epoch) 进行学习率调整
下面来看Scheduler(学习率调度器)
怎么构造
在build_scheduler() 函数中进行构造:
def build_scheduler(optimizer, total_iters_each_epoch, total_epochs, last_epoch, optim_cfg):
decay_steps = [x * total_iters_each_epoch for x in optim_cfg.DECAY_STEP_LIST]
def lr_lbmd(cur_epoch):
cur_decay = 1
for decay_step in decay_steps:
if cur_epoch >= decay_step:
cur_decay = cur_decay * optim_cfg.LR_DECAY
return max(cur_decay, optim_cfg.LR_CLIP / optim_cfg.LR)
lr_warmup_scheduler = None
total_steps = total_iters_each_epoch * total_epochs
if optim_cfg.OPTIMIZER == 'adam_onecycle':
lr_scheduler = OneCycle(
optimizer, total_steps, optim_cfg.LR, list(optim_cfg.MOMS), optim_cfg.DIV_FACTOR, optim_cfg.PCT_START
)
elif optim_cfg.OPTIMIZER == 'adam_cosineanneal':
lr_scheduler = CosineAnnealing(
optimizer, total_steps, total_epochs, optim_cfg.LR, list(optim_cfg.MOMS), optim_cfg.PCT_START, optim_cfg.WARMUP_ITER
)
else:
lr_scheduler = lr_sched.LambdaLR(optimizer, lr_lbmd, last_epoch=last_epoch)
if optim_cfg.LR_WARMUP:
lr_warmup_scheduler = CosineWarmupLR(
optimizer, T_max=optim_cfg.WARMUP_EPOCH * len(total_iters_each_epoch),
eta_min=optim_cfg.LR / optim_cfg.DIV_FACTOR
)
return lr_scheduler, lr_warmup_scheduler
最后返回 lr_scheduler, lr_warmup_scheduler , 分别是学习率调度器和学习率warmup调度器(LR_WARMUP=True时)
怎么使用
学习率调度器用法很简单:
只要在每次迭代中传入当前的迭代次数和当前的epoch数,调用step函数就可以更新学习率了
lr_scheduler.step(accumulated_iter, cur_epoch)
下面来看梯度裁剪
梯度裁剪使用比较简单:
调用函数就可以:
clip_grad_norm_(model.parameters(), optim_cfg.GRAD_NORM_CLIP)