mindspore.nn.thor

查看源文件
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。以ResNet50为例,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_scalemomentumfrequency 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_decaymomentum 小于0。

  • ValueError - frequency 小于2。

支持平台:

Ascend GPU

样例:

>>> import mindspore as ms
>>> from mindspore import nn
>>> from mindspore import Tensor
>>>
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.q1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> # Create the dataset taking MNIST as an example. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.q1/docs/mindspore/code/mnist.py
>>> dataset = create_dataset()
>>> temp = Tensor([4e-4, 1e-4, 1e-5, 1e-5], mstype.float32)
>>> optim = nn.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)