Lamb

class paddle.optimizer. Lamb ( learning_rate=0.001, lamb_weight_decay=0.01, beta1=0.9, beta2=0.999, epsilon=1e-06, parameters=None, grad_clip=None, exclude_from_weight_decay_fn=None, name=None ) [源代码]

LAMB(Layer-wise Adaptive Moments optimizer for Batching training)优化器旨在不降低精度的前提下增大训练的批量大小,其支持自适应的逐元素更新和精确的分层校正。更多信息请参考 Large Batch Optimization for Deep Learning: Training BERT in 76 minutes <https://arxiv.org/pdf/1904.00962.pdf> 。 参数更新如下:

\[m_t=\beta_1*m_{t-1} + (1-\beta_1)*g_t\]
\[v_t=\beta_2∗v_{t-1}+(1−\beta_2)∗g_t^2\]
\[m_t=\frac{m_t}{1-\beta_1^t}\]
\[v_t=\frac{v_t}{1-\beta_2^t}\]
\[r_t=\frac{m_t}{\sqrt{v_t}+\epsilon}\]
\[\begin{split}w_t=w_{t_1}-\eta_t*\frac{\left \| w_{t-1}\right \|}{\left \| r_t+\lambda*w_{t-1}\right \|}*(r_t+\lambda*w_{t-1}) \\\end{split}\]

其中 \(m\) 表示第一个动量,\(v\) 代表第二个动量,\(\eta\) 代表学习率,\(\lambda\) 代表LAMB的权重学习率。

参数:
  • learning_rate (float|Tensor, 可选) - 学习率,用于参数更新的计算。可以是一个浮点型值或者一个Tensor,默认值为0.001

  • lamb_weight_decay (float,可选) – LAMB权重衰减率。默认值为0.01。

  • beta1 (float, 可选) - 第一个动量估计的指数衰减率。默认值为0.9。

  • beta2 (float, 可选) - 第二个动量估计的指数衰减率。默认值为0.999。

  • epsilon (float, 可选) - 保持数值稳定性的短浮点类型值,默认值为1e-06

  • parameters (list, 可选) - 指定优化器需要优化的参数。在动态图模式下必须提供该参数;在静态图模式下默认值为None,这时所有的参数都将被优化。

  • grad_clip (GradientClipBase, 可选) – 梯度裁剪的策略,支持三种裁剪策略: cn_api_paddle_fluid_clip_ClipGradByGlobalNormcn_api_paddle_fluid_clip_ClipGradByNormcn_api_paddle_fluid_clip_ClipGradByVelur 。默认值为None,此时将不进行梯度裁剪。

  • exclude_from_weight_decay_fn (function) - 当某个参数作为输入该函数返回值为 True 时,为该参数跳过权重衰减。

  • name (str, 可选)- 该参数供开发人员打印调试信息时使用,具体用法请参见 Name ,默认值为None

注解

目前 Lamb 不支持 Sparse Parameter Optimization(稀疏参数优化)。

代码示例

import paddle

inp = paddle.uniform(shape=[10, 10], dtype='float32', min=-0.1, max=0.1)
linear = paddle.nn.Linear(10, 10)
out = linear(inp)
loss = paddle.mean(out)
beta1 = paddle.to_tensor([0.9], dtype="float32")
beta2 = paddle.to_tensor([0.85], dtype="float32")
lamb = paddle.optimizer.Lamb(learning_rate=0.002, parameters=linear.parameters(), lamb_weight_decay=0.01)
back = out.backward()
lamb.step()
lamb.clear_grad()
step ( )

注意:

1. 该API只在 Dygraph 模式下生效

执行一次优化器并进行参数更新。

返回:None。

代码示例

import paddle

value = paddle.arange(26, dtype='float32')
value = paddle.reshape(value, [2, 13])
a = paddle.to_tensor(value)
linear = paddle.nn.Linear(13, 5)
lamb = paddle.optimizer.Lamb(learning_rate = 0.01,
                             parameters = linear.parameters())
out = linear(a)
out.backward()
lamb.step()
lamb.clear_grad()
minimize ( loss, startup_program=None, parameters=None, no_grad_set=None )

为网络添加反向计算过程,并根据反向计算所得的梯度,更新parameters中的Parameters,最小化网络损失值loss。

参数:
  • loss (Tensor) – 需要最小化的损失值变量

  • startup_program (Program, 可选) – 用于初始化parameters中参数的 Program , 默认值为None,此时将使用 default_startup_program

  • parameters (list, 可选) – 待更新的Parameter或者Parameter.name组成的列表, 默认值为None,此时将更新所有的Parameter

  • no_grad_set (set, 可选) – 不需要更新的Parameter或者Parameter.name组成集合,默认值为None

返回: tuple(optimize_ops, params_grads),其中optimize_ops为参数优化OP列表;param_grads为由(param, param_grad)组成的列表,其中param和param_grad分别为参数和参数的梯度。在静态图模式下,该返回值可以加入到 Executor.run() 接口的 fetch_list 参数中,若加入,则会重写 use_prune 参数为True,并根据 feedfetch_list 进行剪枝,详见 Executor 的文档。

代码示例

import paddle

inp = paddle.uniform(shape=[10, 10], dtype="float32", min=-0.1, max=0.1)
linear = paddle.nn.Linear(10, 10)
inp = paddle.to_tensor(inp)
out = linear(inp)
loss = paddle.mean(out)

beta1 = paddle.to_tensor([0.9], dtype="float32")
beta2 = paddle.to_tensor([0.99], dtype="float32")

lamb = paddle.optimizer.Lamb(learning_rate=0.1,
        lamb_weight_decay=0.01,
        parameters=linear.parameters())
out.backward()
lamb.minimize(loss)
lamb.clear_grad()
clear_grad ( )

注意:

1. 该API只在 Dygraph 模式下生效

清除需要优化的参数的梯度。

代码示例

import paddle

value = paddle.arange(26, dtype="float32")
value = paddle.reshape(value, [2, 13])
a = paddle.to_tensor(value)
linear = paddle.nn.Linear(13, 5)
optimizer = paddle.optimizer.Lamb(learning_rate=0.02,
                                  parameters=linear.parameters())
out = linear(a)
out.backward()
optimizer.step()
optimizer.clear_grad()
set_lr ( value )

注意:

1. 该API只在 Dygraph 模式下生效

手动设置当前 optimizer 的学习率。当使用_LRScheduler时,无法使用该API手动设置学习率,因为这将导致冲突。

参数:

value (float) - 需要设置的学习率的值。

返回:None

代码示例

import paddle

linear = paddle.nn.Linear(10, 10)

lamb = paddle.optimizer.Lamb(0.1, parameters=linear.parameters())

# set learning rate manually by python float value
lr_list = [0.2, 0.3, 0.4, 0.5, 0.6]
for i in range(5):
    lamb.set_lr(lr_list[i])
    lr = lamb.get_lr()
    print("current lr is {}".format(lr))
# Print:
#    current lr is 0.2
#    current lr is 0.3
#    current lr is 0.4
#    current lr is 0.5
#    current lr is 0.6
get_lr ( )

注意:

1. 该API只在 Dygraph 模式下生效

获取当前步骤的学习率。当不使用_LRScheduler时,每次调用的返回值都相同,否则返回当前步骤的学习率。

返回:float,当前步骤的学习率。

代码示例

import paddle
import numpy as np

# example1: _LRScheduler is not used, return value is all the same
emb = paddle.nn.Embedding(10, 10, sparse=False)
lamb = paddle.optimizer.Lamb(0.001, parameters = emb.parameters())
lr = lamb.get_lr()
print(lr) # 0.001

# example2: StepDecay is used, return the step learning rate
inp = paddle.uniform(shape=[10, 10], dtype="float32", min=-0.1, max=0.1)
linear = paddle.nn.Linear(10, 10)
inp = paddle.to_tensor(inp)
out = linear(inp)
loss = paddle.mean(out)

bd = [2, 4, 6, 8]
value = [0.2, 0.4, 0.6, 0.8, 1.0]
scheduler = paddle.optimizer.lr.StepDecay(learning_rate=0.5, step_size=2, gamma=0.1)
lamb = paddle.optimizer.Lamb(scheduler,
                       parameters=linear.parameters())

# first step: learning rate is 0.2
np.allclose(lamb.get_lr(), 0.2, rtol=1e-06, atol=0.0) # True

# learning rate for different steps
ret = [0.2, 0.2, 0.4, 0.4, 0.6, 0.6, 0.8, 0.8, 1.0, 1.0, 1.0, 1.0]
for i in range(12):
    lamb.step()
    lr = lamb.get_lr()
    scheduler.step()
    np.allclose(lr, ret[i], rtol=1e-06, atol=0.0) # True