【Python】科研代码学习：十一 Optimization (Optimizer, Scheduler)-编程知识

【Python】科研代码学习：十一 Optimization (Optimizer, Scheduler)

【Python】科研代码学习：十一 Optimization [Optimizer, Schedule]

Optimizer 前置知识
- 优化器在 `torch` 中的调用
- 优化器在 `transformers` 中的调用
- - `AdamW` 优化器
Scheduler 前置知识
- 调度器在 `transformers` 中的调用

Optimizer 前置知识

什么是 Optimizer 优化器？首先来学习一下
【知乎：优化器-optimizer 汇总】

在这里插入图片描述

按照这里的学习文章，说一下重要的内容，讲一下基本逻辑；优点；缺点
※ Optimizer 优化器就是有如下不同的版本，主要解决的是关于梯度、学习率、样本批次、权重等计算

SGD (Stochastic Gradient Descent) 随机梯度下降法
每次选取哪个样本是随机的；更新速度快；损失波动大
BGD (Batch Gradient Descent) 批量梯度下降法
每次将所有样本的梯度求和；梯度更新平滑；内存消耗大，容易进入局部最优解
MBGD (Mini-batch Gradient Descent) 小批量梯度下降法
每一次利用一小批样本 n 梯度计算；收敛更稳定，速度较快；没有考虑数据集的稀疏度影响
一般 n=50~256
Momentum 动量梯度下降法
考虑了梯度方向的惯性；减少权重优化中的震荡问题；缺少一些减速的适应性
NAG (Nesterov Accelerated Gradient) 牛顿动量梯度下降法
Momentum 的改进，用了二阶指数平滑；表现更好；没有考虑不同参数的重要程度
AdaGrad (Adaptive Gradient Algorithm) 自适应学习率梯度下降法
可以对学习率自动调整；减少了学习率的手动调节；学习率会收缩到很小
Adam
学习了 Adagrad 与 Momentum ；能适应系数梯度，缓解梯度震荡；
AdamW
将权重衰减和学习率解耦；实验结果显示比 Adam 有更好的泛化性能

优化器在 `torch` 中的调用

PyTorch 中最常用的优化器是：

torch.optim.SGD：随机梯度下降优化器
torch.optim.Adam：自适应矩估计优化器
torch.optim.Adagrad：自适应梯度优化器optimizer = torch.optim.SGD(model.parameters(), lr=0.01, momentum=0.9)

优化器在 `transformers` 中的调用

【HF官网-Doc-Transformers-Optimization】
在 API 中，主要就是如下几个：
AdamW (PyTorch)
AdaFactor (PyTorch)
AdamWeightDecay (TensorFlow)
现在主流是用 AdamW 的，就介绍一下这个吧

`AdamW` 优化器

首先看一下源码，哦，他就是从 torch.Optimizer 继承过来的，实现了自己的一个类 AdamW。看一下参数
params(Iterable[nn.parameter.Parameter])：提供模型的参数
lr(float)：学习率，默认为 0.001
betas(Tuple[float,float])，即Adam中的 (b1,b2)，默认为 (0.9,0.999)
eps：epsilon，默认为 1e-06
weight_decay：解耦后的权重缩减，默认为 0.0
correct_bias(bool)：是否修复 Adam 中的偏差值 bias，默认为 True
方法：step()，表示一步优化步骤。
用法一：可以作为 torch.optimizer 类，自己实现一个 torch.nn，直接使用
用法二：比较方便的是搭配 transformers 中的 trainingArguments：
参考【Python】科研代码学习：七 TrainingArguments，Trainer
在 TrainingArguments 中，可以设置 optim 属性，默认即为 adamw_torch；可以设置 weight_decay, adam_beta1, adam_beta2, adam_epsilon 等属性的值

Scheduler 前置知识

而什么又是 Scheduler 调度器呢？
※ Scheduler 调度器主要是，对于已经选择好的优化器 Optimizer，利用epoch、时间等变化对学习率进行调整
【学习率】torch.optim.lr_scheduler学习率10种调整方法整理
可以看一下 torch.optim.lr_scheduler 中为我们提供的一些调度器
LambdaLR：初始 lr 乘以给定函数
MultiplicativeLR：当前 lr 乘以给定函数
StepLR：以固定间隔成倍衰减初始 lr
MultiStepLR：以设定的时间间隔成倍衰减初始 lr
ExponentialLR：指数衰减初始 lr
CosineAnnealingLR：余弦函数式变化 lr
ReduceLROnPlateau：当某一指标不再提升时，降低 lr
CyclicLR：周期调整 lr
CosineAnnealingWarmRestarts：余弦退火

调度器在 `transformers` 中的调用

首先最重要的一个，是 SchedulerType
相当于，我们通过这个类似枚举类，来指明我们使用的是哪种调度器
可以看一下，有线性的，余弦的，多项式的，常数的，带预热的等
※详细可以看官网API，每个调度器如何影响lr
比如这个是带预热的余弦调度器
最主要的还是配合 TrainingArguments 使用
参考【Python】科研代码学习：七 TrainingArguments，Trainer
在 TrainingArguments 中，可以设置 lr_scheduler_type ，无需我们自己创建一个调度器，HF会按照输入的调度器名字，自动创建对应的调度器。