關於優化函數的調整
拆下包：https://ptorch.com/docs/1/optim
class torch.optim.Optimizer(params, defaults)
所有優化的基類.
參數：
params (iterable) —— 可迭代的Variable 或者 dict。指定應優化哪些變量。
defaults-(dict)：包含優化選項的默認值的dict（一個參數組沒有指定的參數選項將會使用默認值）。
load_state_dict(state_dict)
加載optimizer狀態
參數：
state_dict (dict) —— optimizer的狀態。應該是state_dict()調用返回的對象。
state_dict()
將優化器的狀態返回為一個dict。
它包含兩個內容：
state - 持有當前optimization狀態的dict。它包含了 優化器類之間的不同。
param_groups - 一個包含了所有參數組的dict。
step(closure)
執行單個優化步驟（參數更新）。
不同的優化算子
參考：莫煩大神視頻，傳送門不給直接百度搜就好；
首先給出基本的四種更換優化算子的代碼：
SGD 就是隨機梯度下降
opt_SGD = torch.optim.SGD(net_SGD.parameters(), lr=LR)
momentum 動量加速,在SGD函數里指定momentum的值即可
opt_Momentum = torch.optim.SGD(net_Momentum.parameters(), lr=LR, momentum=0.8)
RMSprop 指定參數alpha
opt_RMSprop = torch.optim.RMSprop(net_RMSprop.parameters(), lr=LR, alpha=0.9)
Adam 參數betas=(0.9, 0.99)
opt_Adam = torch.optim.Adam(net_Adam.parameters(), lr=LR, betas=(0.9, 0.99))
#再看下官方文檔
class torch.optim.Adam(params, lr=0.001, betas=(0.9, 0.999), eps=1e-08, weight_decay=0)[source]
實現Adam算法。
它在Adam: A Method for Stochastic Optimization中被提出。
#參數：
params (iterable) – 用於優化的可以迭代參數或定義參數組
lr (float, 可選) – 學習率（默認：1e-3）
betas (Tuple[float, float], 可選) – 用於計算梯度運行平均值及其平方的系數（默認：0.9， 0.999）
eps (float, 可選) – 增加分母的數值以提高數值穩定性（默認：1e-8）
weight_decay (float, 可選) – 權重衰減（L2范數）（默認: 0）
step(closure) #執行單個優化步驟。
#參數：
closure (callable,可選) – 重新評估模型並返回損失的閉包。
注意：momentum是梯度下降法中一種常用的加速技術。對於一般的SGD，其表達式為,沿負梯度方向下降。而帶momentum項的SGD則寫生如下形式：
其中即momentum系數，通俗的理解上面式子就是，如果上一次的momentum（即）與這一次的負梯度方向是相同的，那這次下降的幅度就會加大，所以這樣做能夠達到加速收斂的過程。
關於學習率的調整
首先在一開始的時候我們可以給我們的神經網絡附一個“經驗性”的學習率：
lr=1e-3 #SGD
lr=1e-3 #Adam一般要求學習率比較小
接着，假設對於不同層想給予不同的學習率怎么辦呢？
參考：https://www.cnblogs.com/hellcat/p/8496727.html
# 直接對不同的網絡模塊制定不同學習率 classifiter的學習率設置為1e-2，所有的momentum=0.9
optimizer = optim.SGD([{‘params’: net.features.parameters()}, # 默認lr是1e-5
{‘params’: net.classifiter.parameters(), ‘lr’: 1e-2}], lr=1e-5，momentum=0.9)
##=======================以層為單位，為不同層指定不同的學習率
## 提取指定層對象為classifiter模塊的第0個和第3個
special_layers = t.nn.ModuleList([net.classifiter[0], net.classifiter[3]])
## 獲取指定層參數id
special_layers_params = list(map(id, special_layers.parameters()))
print(special_layers_params)
## 獲取非指定層的參數id
base_params = filter(lambda p: id§ not in special_layers_params, net.parameters())
optimizer = t.optim.SGD([{‘params’: base_params},
{‘params’: special_layers.parameters(), ‘lr’: 0.01}], lr=0.001)
當你發現你的loss在訓練過程中居然還上升了，那么一般來講，是你此時的學習率設置過大了。這時候我們需要動態調整我們的學習率：
def adjust_learning_rate(optimizer, epoch, t=10):
“”“Sets the learning rate to the initial LR decayed by 10 every t epochs，default=10"”"
new_lr = lr * (0.1 ** (epoch // t))
for param_group in optimizer.param_groups:
param_group[‘lr’] = new_lr
官方文檔中還給出用
torch.optim.lr_scheduler 基於循環的次數提供了一些方法來調節學習率.
torch.optim.lr_scheduler.ReduceLROnPlateau 基於驗證測量結果來設置不同的學習率.
參考：https://ptorch.com/docs/1/optim
其他調參的策略
1.L2-正則化防止過擬合
weight decay（權值衰減），其最終目的是防止過擬合。在機器學習或者模式識別中，會出現overfitting，而當網絡逐漸overfitting時網絡權值逐漸變大，因此，為了避免出現overfitting,會給誤差函數添加一個懲罰項，常用的懲罰項是所有權重的平方乘以一個衰減常量之和。其用來懲罰大的權值。在損失函數中，weight decay是放在正則項（regularization）前面的一個系數，正則項一般指示模型的復雜度，所以weight decay的作用是調節模型復雜度對損失函數的影響，若weight decay很大，則復雜的模型損失函數的值也就大。
這個在定義優化器的時候可以通過參數 【weight_decay，一般建議0.0005】來設置：
opt_Adam = torch.optim.Adam(net_Adam.parameters(), lr=LR, betas=(0.9, 0.99), eps=1e-06, weight_decay=0.0005)
2、batch normalization。batch normalization的是指在神經網絡中激活函數的前面，將按照特征進行normalization，這樣做的好處有三點：
提高梯度在網絡中的流動。Normalization能夠使特征全部縮放到[0,1]，這樣在反向傳播時候的梯度都是在1左右，避免了梯度消失現象。
提升學習速率。歸一化后的數據能夠快速的達到收斂。
減少模型訓練對初始化的依賴。
減少參數選擇的依賴
一些通常的解釋：https://blog.csdn.net/hjimce/article/details/50866313
3、加入dropout層：dropout一般設置為0.5
4、集成方法
最后，在訓練過程中關於loss的一些說明:
參考：https://blog.csdn.net/LIYUAN123ZHOUHUI/article/details/74453980
1 train loss 不斷下降,test loss 不斷下降,說明網絡正在學習
2 train loss 不斷下降,test loss 趨於不變,說明網絡過擬合
3 train loss 趨於不變,test loss 趨於不變,說明學習遇到瓶頸,需要減小學習率或者批處理大小
4 train loss 趨於不變,test loss 不斷下降,說明數據集100%有問題
5 train loss 不斷上升,test loss 不斷上升(最終變為NaN),可能是網絡結構設計不當,訓練超參數設置不當,程序bug等某個問題引起
作者：angnuan123
來源：CSDN
原文：https://blog.csdn.net/angnuan123/article/details/81604727
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！