如何在 Pytorch 中应用分层学习率?

Posted

技术标签:

【中文标题】如何在 Pytorch 中应用分层学习率?【英文标题】:How to apply layer-wise learning rate in Pytorch? 【发布时间】:2019-01-18 23:06:53 【问题描述】:

我知道可以冻结网络中的单个层,例如仅训练预训练模型的最后一层。我正在寻找一种将某些学习率应用于不同层的方法。

因此,例如,第一层的学习率非常低,为 0.000001,然后逐渐增加以下每一层的学习率。这样最后一层的学习率就会达到 0.01 左右。

这在 pytorch 中可行吗?知道如何存档吗?

【问题讨论】:

【参考方案1】:

解决办法如下:

from torch.optim import Adam

model = Net()

optim = Adam(
    [
        "params": model.fc.parameters(), "lr": 1e-3,
        "params": model.agroupoflayer.parameters(),
        "params": model.lastlayer.parameters(), "lr": 4e-2,
    ],
    lr=5e-4,
)

其他未在优化器中指定的参数将不会进行优化。因此,您应该说明所有层或组(或要优化的层)。如果您没有指定学习率,它将采用全局学习率(5e-4)。 诀窍是当您创建模型时,您应该为图层命名,或者您可以对其进行分组。

【讨论】:

太好了,正是我想要的——谢谢!

以上是关于如何在 Pytorch 中应用分层学习率?的主要内容,如果未能解决你的问题,请参考以下文章

Pytorch 模型 查看网络参数的梯度以及参数更新是否正确,优化器学习率的分层设置

PyTorch:如何在任何给定时刻更改优化器的学习率(无 LR 计划)

如何在 Tensorflow 中设置分层学习率?

如何在 Tensorflow 中设置分层学习率?

PyTorch - 如何在训练期间获得学习率?

第十七篇 PyTorch学习率调整策略