[ 组合替代实现 ]torch.optim.lr_scheduler.OneCycleLR

torch.optim.lr_scheduler.OneCycleLR

torch.optim.lr_scheduler.OneCycleLR(optimizer,
                                    max_lr,
                                    total_steps=None,
                                    epochs=None,
                                    steps_per_epoch=None,
                                    pct_start=0.3,
                                    anneal_strategy='cos',
                                    cycle_momentum=True,
                                    base_momentum=0.85,
                                    max_momentum=0.95,
                                    div_factor=25.0,
                                    final_div_factor=10000.0,
                                    three_phase=False,
                                    last_epoch=- 1,
                                    verbose=False)

paddle.optimizer.lr.OneCycleLR

paddle.optimizer.lr.OneCycleLR(max_learning_rate,
                            total_steps,
                            divide_factor=25.,
                            end_learning_rate=0.0001,
                            phase_pct=0.3,
                            anneal_strategy='cos',
                            three_phase=False,
                            last_epoch=-1,
                            verbose=False)

两者 API 功能一致, 参数用法不一致,PyTorch 是 Scheduler 实例持有 Optimizer 实例,Paddle 是 Optimizer 实例持有 Scheduler 实例。由于持有关系相反,因此 Paddle 使用 Optimizer.set_lr_scheduler 来设置这种持有关系。具体如下:

参数映射

PyTorch PaddlePaddle 备注
optimizer - PyTorch 的是 torch.optim.Optimizer 类,Paddle 无对应参数。
max_lr max_learning_rate 表示最大学习率。参数完全一致。
total_steps, epochs, steps_per_epoch total_steps 训练过程中总的迭代数。PyTorch 默认 total_steps 为 None,则需要从 PyTorch 的参数 steps_per_epoch 和 epochs 计算得出此参数,计算公式为:total_steps=steps_per_epoch*epochs,需要转写。
pct_start phase_pct 表示学习率从初始学习率增长到最大学习率所需迭代数占总迭代数的比例。仅参数名不一致。
anneal_strategy anneal_strategy 调整学习率的策略。必须是 ( cos , linear )其中之一。参数完全一致。
cycle_momentum - 如果“True”,动量反向循环 'base_momentum' 和 'max_momentum' 之间的学习率。Paddle 无此参数,暂无转写方式。
base_momentum - 每个参数组的循环中的动量下边界。Paddle 无此参数,暂无转写方式。
max_momentum - 每个参数组的循环中的动量上边界。Paddle 无此参数,暂无转写方式。
div_factor divide_factor 该参数用于推断初始学习率,公式为 initial_learning_rate = max_learning_rate/divide_factor。仅参数名不一致。
final_div_factor - 通过 min_lr = initial_lr/final_div_factor 确定最小学习率。Paddle 无此参数,暂无转写方式。
- end_learning_rate 最小学习率,学习率变化的下边界。PyTorch 无对应参数,Paddle 可通过公式:min_lr = max_lr/(div_factor * final_div_factor) 计算得出并设置。
three_phase three_phase 是否使用三阶段调度策略。参数完全一致。
last_epoch last_epoch 上一轮的轮数,重启训练时设置为上一轮的 epoch 数。参数完全一致。
verbose verbose 如果是 True,则在每一轮更新时在标准输出 stdout 输出一条信息。参数完全一致。

转写示例

# PyTorch 写法
linear = torch.nn.Linear(10, 10)
sgd = torch.optimizer.SGD(lr=0.5, parameters=linear.parameters())
scheduler = torch.optim.lr_scheduler.OneCycleLR(optimizer=sgd, max_lr=0.01, steps_per_epoch=20, epochs=10)

# Paddle 写法
linear = paddle.nn.linear(10, 10)
sgd = paddle.optimizer.SGD(learning_rate=0.5, parameters=linear.parameters())
scheduler = paddle.optimizer.lr.OneCycleLR(max_learning_rate=0.01, total_steps=20*10, end_learning_rate=max_lr/(25*10000))
sgd.set_lr_scheduler(scheduler)