关于pytorch学习率调度器

Question

这是我的代码

optimizer = optim.SGD(net.parameters(), lr=0.1)
scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=5, gamma=0.5)

for i in range(15):
    lr = scheduler.get_lr()[0]
    lr1 = optimizer.param_groups[0]["lr"]
    print(i, lr, lr1)
    scheduler.step()

这是结果

0 0.1 0.1
1 0.1 0.1
2 0.1 0.1
3 0.1 0.1
4 0.1 0.1
5 0.025 0.05
6 0.05 0.05
7 0.05 0.05
8 0.05 0.05
9 0.05 0.05
10 0.0125 0.025
11 0.025 0.025
12 0.025 0.025
13 0.025 0.025
14 0.025 0.025

我们可以看到，当scheduler.step()被应用时，学习率先下降了0.25倍，然后又反弹回了0.5倍。是scheduler.get_lr()lr的问题还是scheduler.step()的问题

关于环境

• python=3.6.9
• pytorch=1.1.0

另外，使用pytorch=0.4.1的时候找不到这个问题。

Answer 1

是的，“问题”在于get_lr()的使用。要获取当前的LR，你需要的其实是get_last_lr()。

---

如果你看看implementation：

def get_lr(self):
    if not self._get_lr_called_within_step:
        warnings.warn("To get the last learning rate computed by the scheduler, "
                      "please use `get_last_lr()`.", UserWarning)

    if (self.last_epoch == 0) or (self.last_epoch % self.step_size != 0):
        return [group['lr'] for group in self.optimizer.param_groups]
    return [group['lr'] * self.gamma
            for group in self.optimizer.param_groups]

在step=5时，不满足条件（因为step_size=5），会返回lr * gamma。 尴尬的是，当您从 step() 函数中调用 get_lr() 时应该会收到警告（正如您在上面的实现中看到的那样），但显然您没有。警告仅在 3 个月前添加，因此您不会在 v1.1.0 上拥有它。

为了完整起见，step() 方法所做的是将last_epoch 加1，并通过调用get_lr() 函数更新LR（参见here）：

self.last_epoch += 1
values = self.get_lr()