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。

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。

说明

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。当frequency等于N(N必须大于1)，每隔frequency个step，A/G和 \(A^{-1}/G^{-1}\) 将更新一次。其他step将使用之前的A/G和 \(A^{-1}/G^{-1}\) 来更新权重。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
>>>
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.0/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> # Create the dataset taking MNIST as an example. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.0/docs/mindspore/code/mnist.py
>>> 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)