Lamb

class paddle.optimizer. Lamb ( learning_rate=0.001, lamb_weight_decay=0.01, beta1=0.9, beta2=0.999, epsilon=1e-06, parameters=None, grad_clip=None, exclude_from_weight_decay_fn=None, name=None )

LAMB（Layer-wise Adaptive Moments optimizer for Batching training）优化器旨在不降低精度的前提下增大训练的批量大小，其支持自适应的逐元素更新和精确的分层校正。参数更新如下：

\[m_t=\beta_1*m_{t-1} + (1-\beta_1)*g_t\]
\[v_t=\beta_2∗v_{t-1}+(1−\beta_2)∗g_t^2\]
\[m_t=\frac{m_t}{1-\beta_1^t}\]
\[v_t=\frac{v_t}{1-\beta_2^t}\]
\[r_t=\frac{m_t}{\sqrt{v_t}+\epsilon}\]
\[\begin{split}w_t=w_{t_1}-\eta_t*\frac{\left \| w_{t-1}\right \|}{\left \| r_t+\lambda*w_{t-1}\right \|}*(r_t+\lambda*w_{t-1}) \\\end{split}\]

其中 \(m\) 表示第一个动量，\(v\) 代表第二个动量，\(\eta\) 代表学习率，\(\lambda\) 代表 LAMB 的权重学习率。

相关论文：Large Batch Optimization for Deep Learning: Training BERT in 76 minutes

参数

  • learning_rate (float|Tensor，可选) - 学习率，用于参数更新的计算。可以是一个浮点型值或者一个 Tensor，默认值为 0.001。

  • lamb_weight_decay (float，可选) – LAMB 权重衰减率。默认值为 0.01。

  • beta1 (float，可选) - 第一个动量估计的指数衰减率。默认值为 0.9。

  • beta2 (float，可选) - 第二个动量估计的指数衰减率。默认值为 0.999。

  • epsilon (float，可选) - 保持数值稳定性的短浮点类型值，默认值为 1e-06。

  • parameters (list，可选) - 指定优化器需要优化的参数。在动态图模式下必须提供该参数；在静态图模式下默认值为 None，这时所有的参数都将被优化。

  • grad_clip (GradientClipBase，可选) – 梯度裁剪的策略，支持三种裁剪策略：paddle.nn.ClipGradByGlobalNorm 、 paddle.nn.ClipGradByNorm 、 paddle.nn.ClipGradByValue。默认值为 None，此时将不进行梯度裁剪。

  • exclude_from_weight_decay_fn (function) - 当某个参数作为输入该函数返回值为 True 时，为该参数跳过权重衰减。

  • name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

注解

目前 Lamb 不支持 Sparse Parameter Optimization（稀疏参数优化）。

代码示例

COPY-FROM: paddle.optimizer.Lamb

方法

step()

注解

该 API 只在 Dygraph 模式下生效。

执行一次优化器并进行参数更新。

返回

无。

代码示例

COPY-FROM: paddle.optimizer.Lamb.step

minimize(loss, startup_program=None, parameters=None, no_grad_set=None)

为网络添加反向计算过程，并根据反向计算所得的梯度，更新 parameters 中的 Parameters，最小化网络损失值 loss。

参数

  • loss (Tensor) - 需要最小化的损失值变量。

  • startup_program (Program，可选) - 用于初始化 parameters 中参数的 Program，默认值为 None，此时将使用 default_startup_program。

  • parameters (list，可选) - 待更新的 Parameter 或者 Parameter.name 组成的列表，默认值为 None，此时将更新所有的 Parameter。

  • no_grad_set (set，可选) - 不需要更新的 Parameter 或者 Parameter.name 组成集合，默认值为 None。

返回

tuple(optimize_ops, params_grads)，其中 optimize_ops 为参数优化 OP 列表；param_grads 为由(param, param_grad)组成的列表，其中 param 和 param_grad 分别为参数和参数的梯度。在静态图模式下，该返回值可以加入到 Executor.run() 接口的 fetch_list 参数中，若加入，则会重写 use_prune 参数为 True，并根据 feed 和 fetch_list 进行剪枝，详见 Executor 的文档。

代码示例

COPY-FROM: paddle.optimizer.Lamb.minimize

clear_grad()

注解

该 API 只在 Dygraph 模式下生效。

清除需要优化的参数的梯度。

代码示例

COPY-FROM: paddle.optimizer.Lamb.clear_grad

set_lr(value)

注解

该 API 只在 Dygraph 模式下生效。

手动设置当前 optimizer 的学习率。当使用_LRScheduler 时，无法使用该 API 手动设置学习率，因为这将导致冲突。

参数

value (float) - 需要设置的学习率的值。

返回

无。

代码示例

COPY-FROM: paddle.optimizer.Lamb.set_lr

set_lr_scheduler(scheduler)

注解

该 API 只在 Dygraph 模式下生效。

手动设置当前 optimizer 的学习率为 LRScheduler 类。

参数

scheduler (LRScheduler) - 需要设置的学习率的 LRScheduler 类。

返回

无。

代码示例

COPY-FROM: paddle.optimizer.Lamb.set_lr_scheduler

get_lr()

注解

该 API 只在 Dygraph 模式下生效。

获取当前步骤的学习率。当不使用_LRScheduler 时，每次调用的返回值都相同，否则返回当前步骤的学习率。

返回

float，当前步骤的学习率。

代码示例

COPY-FROM: paddle.optimizer.Lamb.get_lr