mindspore.nn.thor
- mindspore.nn.thor(net, learning_rate, damping, momentum, weight_decay=0.0, loss_scale=1.0, batch_size=32, use_nesterov=False, decay_filter=lambda x: ..., split_indices=None, enable_clip_grad=False, frequency=100)[源代码]
通过二阶算法THOR更新参数。
基于跟踪的、硬件驱动层定向的自然梯度下降计算(THOR)算法论文地址为:
THOR: Trace-based Hardware-driven layer-ORiented Natural Gradient Descent Computation
更新公式如下:
\[\begin{split}\begin{array}{ll} & \textbf{Parameter:} \: \text{the learning rate } \gamma\text{, the damping parameter }\lambda \\ & \textbf{Init:} \: \lambda \leftarrow 0 \\ & A_{i-1}=\mathbb{E}\left[a_{i-1} a_{i-1}^{T}\right] \\ & G_{i}=\mathbb{E}\left[D_{s_i} D_{s_i}^{T}\right] \\ & w_{i}^{(k+1)} \leftarrow w_{i}^{(k)}-\gamma\left(\left(A_{i-1}^{(k)}+\lambda I\right)^{-1} \otimes\left(G_{i}^{(k)}+\lambda I\right)^{-1}\right) \nabla_{w_{i}} J^{(k)} \end{array}\end{split}\]\(a_{i-1}\) 表示第i层的输入,它是上一层的激活。 \(D_{s_i}\) 表示第i层输出的loss函数的导数。 \(I\) 代表单位矩阵。 \(\lambda\) 表示 \(damping\) 参数, \(g_i\) 表示第i层的梯度。 \(\otimes\) 表示克罗内克尔积, \(\gamma\) 表示学习率。
Note
在分离参数组时,每个组的 weight_decay 将应用于对应参数。当不分离参数组时,优化器中的 weight_decay 将应用于名称中没有’beta’或 ‘gamma’的参数。
在分离参数组时,如果要集中梯度,请将grad_centralization设置为True,但集中梯度只能应用于卷积层的参数。 如果非卷积层的参数设置为True,则会报错。
为了提高参数组的性能,可以支持自定义参数的顺序。
- 参数:
net (Cell) - 训练网络。
learning_rate (Tensor) - 学习率的值。
damping (Tensor) - 阻尼值。
momentum (float) - float类型的超参数,表示移动平均的动量。至少为0.0。
weight_decay (int, float) - 权重衰减(L2 penalty)。必须等于或大于0.0。默认值:0.0。
loss_scale (float) - loss损失缩放系数。必须大于0.0。一般情况下,使用默认值。默认值:1.0。
batch_size (int) - batch的大小。默认值:32。
use_nesterov (bool) - 启用Nesterov动量。默认值:False。
decay_filter (function) - 用于确定权重衰减应用于哪些层的函数,只有在weight_decay>0时才有效。默认值:lambda x: x.name not in []。
split_indices (list) - 按A/G层(A/G含义见上述公式)索引设置allreduce融合策略。仅在分布式计算中有效。ResNet50作为一个样本,A/G的层数分别为54层,当split_indices设置为[26,53]时,表示A/G被分成两组allreduce,一组为0~26层,另一组是27~53层。默认值:None。
enable_clip_grad (bool) - 是否剪切梯度。默认值:False。
frequency (int) - A/G和$A^{-1}/G^{-1}$的更新间隔。每隔frequency个step,A/G和$A^{-1}/G^{-1}$将更新一次。必须大于1。默认值:100。
- 输入:
gradients (tuple[Tensor]) - 训练参数的梯度,矩阵维度与训练参数相同。
- 输出:
tuple[bool],所有元素都为True。
- 异常:
TypeError - learning_rate 不是张量。
TypeError - loss_scale 、 momentum 或 frequency 不是浮点数。
TypeError - weight_decay 既不是浮点数也不是整数。
TypeError - use_nesterov 不是布尔值。
TypeError - frequency 不是整数。
ValueError - loss_scale 小于或等于0。
ValueError - weight_decay 或 momentum 小于0。
ValueError - frequency 小于2。
- 支持平台:
Ascend
GPU
样例:
>>> import mindspore as ms >>> from mindspore.nn import thor >>> from mindspore import nn >>> from mindspore import Tensor >>> >>> net = Net() >>> dataset = create_dataset() >>> temp = Tensor([4e-4, 1e-4, 1e-5, 1e-5], mstype.float32) >>> optim = thor(net, learning_rate=temp, damping=temp, momentum=0.9, loss_scale=128, frequency=4) >>> loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction='mean') >>> loss_scale = ms.FixedLossScaleManager(128, drop_overflow_update=False) >>> model = ms.Model(net, loss_fn=loss, optimizer=optim, loss_scale_manager=loss_scale, metrics={'acc'}, ... amp_level="O2", keep_batchnorm_fp32=False) >>> model = ms.ConvertModelUtils.convert_to_thor_model(model=model, network=net, loss_fn=loss, optimizer=optim, ... loss_scale_manager=loss_scale, metrics={'acc'}, ... amp_level="O2", keep_batchnorm_fp32=False) >>> loss_cb = ms.LossMonitor() >>> model.train(1, dataset, callbacks=loss_cb, sink_size=4, dataset_sink_mode=True)