DGCMomentumOptimizer

class paddle.fluid.optimizer.DGCMomentumOptimizer(learning_rate, momentum, rampup_begin_step, rampup_step=1, sparsity=[0.999], use_nesterov=False, local_grad_clip_norm=None, num_trainers=None, regularization=None, name=None)[源代码]

DGC(深度梯度压缩)Momentum 优化器。原始论文: https://arxiv.org/abs/1712.01887

DGC通过只传送重要梯度(稀疏更新)的方式,即只发送大于给定阈值的梯度,来减少通信带宽使用。

DGC会在本地累加剩余梯度以避免信息的丢失。最终这些梯度会大到足以传输。

因此,DGC只会立即发送大梯度,但随时间流逝所有梯度终将发送出去。

为确保精度不会损失,DGC在梯度稀疏化之上采用动量修正和局部梯度修剪(clip)来维持模型性能。

DGC还使用动量因子掩藏(momentum factor masking)和预训练(warm-up)来克服由于规约(reduced)通信而导致的数据陈旧性(staleness)问题。

这个优化器会执行如下操作:

  1. 从张量中获取的前TopK个重要梯度进行压缩,并将其用于allreduce通信以减少网络带宽使用。
  2. 调用momentum来优化代价函数。
参数:
  • learning_rate (float | Variable) - 用于更新参数的学习率。可以是浮点值或由一个浮点型数据组成的Variable。
  • momentum (float) - 动量因子。
  • rampup_begin_step (int) - 进行梯度压缩的起步点。
  • rampup_step (int) - 使用稀疏预热的时间步长。默认值为1。例如:如果稀疏度为[0.75,0.9375,0.984375,0.996,0.999],并且rampup_step为100,则在0~19步时使用0.75,在20~39步时使用0.9375,依此类推。当到达sparsity数组末尾时,此后将会使用0.999。
  • sparsity (list [float]) - 从梯度张量中获取top个重要元素,比率为(1-当前稀疏度)。默认值为[0.999]。例如:如果sparsity为[0.99, 0.999],则将传输top [1%, 0.1%]的重要元素。
  • use_nesterov (bool) - 启用Nesterov momentum。 True意味着使用Nesterov。默认值False。
  • local_grad_clip_norm (float,可选) - 局部梯度裁减标准值。可选,默认为None,表示不需要裁减。
  • num_trainers (int,可选) - 训练节点的数量。可选,默认为None。
  • regularization (WeightDecayRegularizer,可选) - 正则器, 如 L2DecayRegularizer。可选,默认为None。
  • 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。

代码示例

import paddle.fluid as fluid
optimizer = fluid.optimizer.DGCMomentumOptimizer(
                                    learning_rate=0.0001,
                                    momentum=0.9,
                                    rampup_step=1000,
                                    rampup_begin_step=1252,
                                    sparsity=[0.999, 0.999])
apply_gradients(params_grads)

为给定的params_grads对附加优化算子,为minimize过程的第二步

参数:
  • params_grads (list)- 用于优化的(param, grad)对组成的列表

返回: 附加在当前Program的算子组成的列表

返回类型: list

代码示例

import paddle.fluid as fluid
loss = network()
optimizer = fluid.optimizer.SGD(learning_rate=0.1)
params_grads = optimizer.backward(loss)
# you may append operations for params_grads here
# ...
optimizer.apply_gradients(params_grads)
apply_optimize(loss, startup_program, params_grads)

为给定的params_grads对附加优化算子,为minimize过程的第二步。

参数:
  • loss (Variable) – 用于优化过程的损失值变量
  • startup_program (Program) – 用于初始化在parameter_list中参数的startup_program
  • params_grads (list)- 用于优化的(param, grad)对组成的列表

返回: 附加在当前Program的算子组成的列表

返回类型: list

backward(loss, startup_program=None, parameter_list=None, no_grad_set=None, callbacks=None)

自动做diff来向当前program附加反向算子,为minimize过程的第一步。

参数:
  • loss (Variable) – 用于优化过程的损失值变量
  • startup_program (Program) – 用于初始化在parameter_list中参数的startup_program
  • parameter_list (list) – 待更新的Variables组成的列表
  • no_grad_set (set|None) – 应该被无视的Variables集合
  • callbacks (list|None) – 当为某参数附加反向算子时所要运行的callables组成的列表

返回: 附加在当前Program的算子组成的列表

返回类型: list

代码示例

详见apply_gradients的示例

load(stat_dict)

在dygraph模式下,附带学习率衰减来加载优化器。

参数:
  • stat_dict – load_persistable方法加载的dict

代码示例

from __future__ import print_function
import numpy as np
import paddle
import paddle.fluid as fluid
from paddle.fluid.optimizer import SGDOptimizer
from paddle.fluid.dygraph.nn import FC
from paddle.fluid.dygraph.base import to_variable

class MLP(fluid.Layer):
    def __init__(self, name_scope):
        super(MLP, self).__init__(name_scope)

        self._fc1 = FC(self.full_name(), 10)
        self._fc2 = FC(self.full_name(), 10)

    def forward(self, inputs):
        y = self._fc1(inputs)
        y = self._fc2(y)
        return y

with fluid.dygraph.guard():
    mlp = MLP('mlp')
    optimizer2 = SGDOptimizer(
        learning_rate=fluid.layers.natural_exp_decay(
        learning_rate=0.1,
        decay_steps=10000,
        decay_rate=0.5,
        staircase=True))

    train_reader = paddle.batch(
            paddle.dataset.mnist.train(), batch_size=128, drop_last=True)

    for batch_id, data in enumerate(train_reader()):
        dy_x_data = np.array(
                [x[0].reshape(1, 28, 28) for x in data]).astype('float32')

        y_data = np.array([x[1] for x in data]).astype('int64').reshape(
                128, 1)

        img = to_variable(dy_x_data)
        label = to_variable(y_data)
        label._stop_gradient = True
        cost = mlp(img)
        avg_loss = fluid.layers.reduce_mean(cost)
        avg_loss.backward()
        optimizer.minimize(avg_loss)
        mlp.clear_gradients()
        fluid.dygraph.save_persistables(
                mlp.state_dict(), [optimizer, optimizer2], "save_dir_2")
        if batch_id == 2:
                break

with fluid.dygraph.guard():
    mlp_load = MLP('mlp')
    optimizer_load2 = SGDOptimizer(
            learning_rate=fluid.layers.natural_exp_decay(
            learning_rate=0.1,
            decay_steps=10000,
            decay_rate=0.5,
            staircase=True))
    parameters, optimizers = fluid.dygraph.load_persistables(
        "save_dir_2")
    mlp_load.load_dict(parameters)
    optimizer_load2.load(optimizers)
self.assertTrue(optimizer2._learning_rate.__dict__ == optimizer_load2._learning_rate.__dict__)
minimize(loss, startup_program=None, parameter_list=None, no_grad_set=None, grad_clip=None)

通过更新parameter_list来添加操作,进而使损失最小化。

该算子相当于backward()和apply_gradients()功能的合体。

参数:
  • loss (Variable) – 用于优化过程的损失值变量
  • startup_program (Program) – 用于初始化在parameter_list中参数的startup_program
  • parameter_list (list) – 待更新的Variables组成的列表
  • no_grad_set (set|None) – 应该被无视的Variables集合
  • grad_clip (GradClipBase|None) – 梯度裁剪的策略

返回: (optimize_ops, params_grads),分别为附加的算子列表;一个由(param, grad) 变量对组成的列表,用于优化

返回类型: tuple