在 PyTorch 上进行预热的 Adam 优化器答案

【问题标题】：Adam optimizer with warmup on PyTorch在 PyTorch 上进行预热的 Adam 优化器
【发布时间】：2021-03-28 07:13:51
【问题描述】：

在论文Attention is all you need 的第 5.3 节中，作者建议线性增加学习率，然后与步长的平方根成反比。

我们如何在 PyTorch 中使用 Adam 优化器实现这一点？最好不要额外的包。

【问题讨论】：

只需要使用 Adadelta。根据我的经验，到目前为止，它的最终性能比 Adam 更好

【解决方案1】：

PyTorch 提供了learning-rate-scheduler，用于在训练过程中实现各种调整学习率的方法。一些简单的 LR 调度器已经实现，可以在这里找到：https://pytorch.org/docs/stable/optim.html#how-to-adjust-learning-rate

在您的特殊情况下，您可以 - 就像其他 LR 调度程序一样 - 子类 _LRScheduler 以实现基于时期数的可变调度。对于基本方法，您只需要实现 __init__() 和 get_lr() 方法。

请注意，这些调度程序中的许多都希望您在每个 epoch 调用一次 .step()。但您也可以更频繁地更新它，甚至传递自定义参数，就像在余弦退火 LR 调度器中一样：https://pytorch.org/docs/stable/_modules/torch/optim/lr_scheduler.html#CosineAnnealingLR

【讨论】：

【解决方案2】：

class NoamOpt:
"Optim wrapper that implements rate."
def __init__(self, model_size, factor, warmup, optimizer):
    self.optimizer = optimizer
    self._step = 0
    self.warmup = warmup
    self.factor = factor
    self.model_size = model_size
    self._rate = 0
    
def step(self):
    "Update parameters and rate"
    self._step += 1
    rate = self.rate()
    for p in self.optimizer.param_groups:
        p['lr'] = rate
    self._rate = rate
    self.optimizer.step()
    
def rate(self, step = None):
    "Implement `lrate` above"
    if step is None:
        step = self._step
    return self.factor * \
        (self.model_size ** (-0.5) *
        min(step ** (-0.5), step * self.warmup ** (-1.5)))
    
def get_std_opt(model):
    return NoamOpt(model.src_embed[0].d_model, 2, 4000,torch.optim.Adam(model.parameters(), lr=0, betas=(0.9, 0.98), eps=1e-9))

如：https://nlp.seas.harvard.edu/2018/04/03/attention.html#optimizer

【讨论】：

【解决方案3】：

正如上一条评论所建议的，我们可以使用https://nlp.seas.harvard.edu/2018/04/03/attention.html#optimizer 引入的类。但是这个答案会报错，除非我们定义一个函数来更新 state_dict。

这是完整的调度程序：

class NoamOpt:
    "Optim wrapper that implements rate."
    def __init__(self, model_size, warmup, optimizer):
        self.optimizer = optimizer
        self._step = 0
        self.warmup = warmup
        self.model_size = model_size
        self._rate = 0
    
    def state_dict(self):
        """Returns the state of the warmup scheduler as a :class:`dict`.
        It contains an entry for every variable in self.__dict__ which
        is not the optimizer.
        """
        return {key: value for key, value in self.__dict__.items() if key != 'optimizer'}
    
    def load_state_dict(self, state_dict):
        """Loads the warmup scheduler's state.
        Arguments:
            state_dict (dict): warmup scheduler state. Should be an object returned
                from a call to :meth:`state_dict`.
        """
        self.__dict__.update(state_dict) 
        
    def step(self):
        "Update parameters and rate"
        self._step += 1
        rate = self.rate()
        for p in self.optimizer.param_groups:
            p['lr'] = rate
        self._rate = rate
        self.optimizer.step()
        
    def rate(self, step = None):
        "Implement `lrate` above"
        if step is None:
            step = self._step
        return (self.model_size ** (-0.5) *
            min(step ** (-0.5), step * self.warmup ** (-1.5)))

稍后，在训练循环中使用它：

optimizer = NoamOpt(input_opts['d_model'], 500,
            torch.optim.Adam(model.parameters(), lr=0, betas=(0.9, 0.98), eps=1e-9))

。 . .

optimizer.step()

【讨论】：