mindformers.core.AdamW
- class mindformers.core.AdamW(params, learning_rate=1e-3, betas=(0.9, 0.999), eps=1e-8, weight_decay=0.0)[源代码]
权重衰减Adam算法的实现。
\[\begin{split}\begin{array}{l} &\newline &\hline \\ &\textbf{Parameters}: \: 1^{\text {st }}\text {moment vector} \: m , \: 2^{\text {nd}} \: \text{moment vector} \: v , \\ &\: gradients \: g, \: \text{learning rate} \: \gamma, \text {exponential decay rates for the moment estimates} \: \beta_{1} \: \beta_{2} , \\ &\:\text {parameter vector} \: w_{0}, \:\text{timestep} \: t, \: \text{weight decay} \: \lambda \\ &\textbf{Init}: m_{0} \leftarrow 0, \: v_{0} \leftarrow 0, \: t \leftarrow 0, \: \text{init parameter vector} \: w_{0} \\[-1.ex] &\newline &\hline \\ &\textbf{repeat} \\ &\hspace{5mm} t \leftarrow t+1 \\ &\hspace{5mm}\boldsymbol{g}_{t} \leftarrow \nabla f_{t}\left(\boldsymbol{w}_{t-1}\right) \\ &\hspace{5mm}\boldsymbol{m}_{t} \leftarrow \beta_{1} \boldsymbol{m}_{t-1}+\left(1-\beta_{1}\right) \boldsymbol{g}_{t} \\ &\hspace{5mm}\boldsymbol{v}_{t} \leftarrow \beta_{2} \boldsymbol{v}_{t-1}+\left(1-\beta_{2}\right) \boldsymbol{g}_{t}^{2} \\ &\hspace{5mm}\boldsymbol{w}_{t} \leftarrow \boldsymbol{w}_{t-1}-\gamma\left({\boldsymbol{m}}_{t} /\left(\sqrt{{\boldsymbol{v}}_{t}}+\epsilon\right)+\lambda \boldsymbol{w}_{t-1}\right) \\ &\textbf{until}\text { stopping criterion is met } \\[-1.ex] &\newline &\hline \\[-1.ex] &\textbf{return} \: \boldsymbol{w}_{t} \\[-1.ex] &\newline &\hline \\[-1.ex] \end{array}\end{split}\]\(m\) 代表第一个动量矩阵 moment1 , \(v\) 代表第二个动量矩阵 moment2 , \(g\) 代表 gradients ,\(\gamma\) 代表 learning_rate ,\(\beta_1, \beta_2\) 代表 beta1 和 beta2 , \(t\) 代表当前step,\(w\) 代表 params ,\(\lambda\) 代表 weight_decay 。
- 参数:
params (Union[list[Parameter], list[dict]]) - 必须是 Parameter 组成的列表或字典组成的列表。当列表元素是字典时,字典的键可以是"params"、"lr"、"weight_decay"、和"order_params":
"params"
:必选。当前组中的参数。值必须是 Parameter 的列表。"lr"
:可选。如果键中包含 "lr",则使用对应的学习率值。如果未包含,则使用优化器中的 learning_rate。支持固定和动态学习率。"weight_decay"
:可选。如果键中包含 "weight_decay",则使用对应的权重衰减值。如果未包含,则使用优化器中的 weight_decay。需要注意的是,权重衰减可以是常数值或 Cell。仅在应用动态权重衰减时才为 Cell。动态权重衰减类似于动态学习率,用户需要自定义仅以全局步数为输入的权重衰减计划,在训练过程中,优化器将调用 WeightDecaySchedule 实例来获取当前步的权重衰减值。"order_params"
:可选。当参数被分组时,通常用于维护网络中出现的参数顺序以提高性能。值应为优化器中将遵循其顺序的参数。如果键中包含 order_params,其他键将被忽略,并且 'order_params' 的元素必须在 params 的一组中。
learning_rate (Union[float, int, Tensor, Iterable, LearningRateSchedule]) - 默认值:
1e-3
。"float"
:固定学习率值。必须等于或大于 0。"int"
:固定学习率值。必须等于或大于 0。将转换为浮点数。"Tensor"
:其值应为标量或 1-D 向量。对于标量,将应用固定学习率。对于向量,学习率是动态的,第 i 步将使用第 i 个值作为学习率。"Iterable"
:学习率是动态的。第 i 步将使用第 i 个值作为学习率。"LearningRateSchedule"
:学习率是动态的。在训练过程中,优化器将调用 LearningRateSchedule 实例并以步数为输入来获取当前步的学习率。
betas (Union[list(float), tuple(float)]) - moment1、 moment2 的指数衰减率。每一个参数范围(0.0,1.0)。默认值:
(0.9, 0.999)
。eps (float) - 将添加到分母中,以提高数值稳定性。必须大于0。默认值:
1e-6
。weight_decay (Union[float, int, Cell]) - 权重衰减(L2 penalty)。默认值:
0.0
。"float"
:固定的权重衰减值。必须等于或大于 0。"int"
:固定的权重衰减值。必须等于或大于 0。将被转换为浮点数。"Cell"
:权重衰减是动态的。在训练过程中,优化器将调用 Cell 实例,并以步数为输入来获取当前步的权重衰减值。
- 输入:
gradients (tuple[Tensor]) - params 的梯度,shape与 params 相同。
- 输出:
tuple[bool],所有元素都为True。
- 异常:
TypeError - learning_rate 不是int、float、Tensor、Iterable或LearningRateSchedule。
TypeError - parameters 的元素不是Parameter或字典。
TypeError - betas[0] 、 betas[1] 或 eps 不是float。
TypeError - weight_decay 不是float或int。
ValueError - eps 小于等于0。
ValueError - betas[0] 、 betas[1] 不在(0.0,1.0)范围内。
ValueError - weight_decay 小于0。
样例:
>>> import mindspore as ms >>> import mindspore.nn as nn >>> from mindformers import AutoModel >>> from mindformers.core.optim import AdamW >>> >>> ms.set_context(mode=ms.context.GRAPH_MODE) >>> net = AutoModel.from_pretrained("llama2_7b", num_layers=2) >>> #1) All parameters use the same learning rate and weight decay >>> optim = AdamW(params=net.trainable_params()) >>> >>> #2) Use parameter groups and set different values >>> layernorm_params = list(filter(lambda x: 'norm' in x.name, net.trainable_params())) >>> no_layernorm_params = list(filter(lambda x: 'norm' not in x.name, net.trainable_params())) >>> group_params = [{'params': layernorm_params, 'weight_decay': 0.01}, ... {'params': no_layernorm_params, 'lr': 0.01}, ... {'order_params': net.trainable_params()}] >>> optim = AdamW(group_params, learning_rate=0.1, weight_decay=0.0) >>> # The layernorm_params's parameters will use default learning rate of 0.1 and weight decay of 0.01. >>> # The no_layernorm_params's parameters will use learning rate of 0.01 and default weight decay of 0.0. >>> # The final parameters order in which the optimizer will be followed is the value of 'order_params'. >>> >>> loss = nn.SoftmaxCrossEntropyWithLogits() >>> model = ms.Model(net, loss_fn=loss, optimizer=optim)