DGCMomentumOptimizer

注意：该API仅支持【静态图】模式

  • class paddle.fluid.optimizer.DGCMomentumOptimizer(learning_rate, momentum, rampup_begin_step, rampup_step=1, sparsity=[0.999], use_nesterov=False, local_grad_clip_norm=None, num_trainers=None, regularization=None, name=None)[源代码]

DGC（深度梯度压缩）Momentum 优化器。原始论文: https://arxiv.org/abs/1712.01887

DGC通过只传送重要梯度（稀疏更新）的方式，即只发送大于给定阈值的梯度，来减少通信带宽使用。

DGC会在本地累加剩余梯度以避免信息的丢失。最终这些梯度会大到足以传输。

因此，DGC只会立即发送大梯度，但随时间流逝所有梯度终将发送出去。

为确保精度不会损失，DGC在梯度稀疏化之上采用动量修正和局部梯度修剪(clip)来维持模型性能。

DGC还使用动量因子掩藏（momentum factor masking）和预训练（warm-up）来克服由于规约（reduced）通信而导致的数据陈旧性（staleness）问题。

这个优化器会执行如下操作：

  • 从张量中获取的前TopK个重要梯度进行压缩，并将其用于allreduce通信以减少网络带宽使用。
  • 调用momentum来优化代价函数。
  • 参数:
    • learning_rate （float | Variable） - 用于更新参数的学习率。可以是浮点值或由一个浮点型数据组成的Variable。
    • momentum （float） - 动量因子。
    • rampup_begin_step （int） - 进行梯度压缩的起步点。
    • rampup_step （int） - 使用稀疏预热的时间步长。默认值为1。例如：如果稀疏度为[0.75,0.9375,0.984375,0.996,0.999]，并且rampup_step为100，则在0~19步时使用0.75，在20~39步时使用0.9375，依此类推。当到达sparsity数组末尾时，此后将会使用0.999。
    • sparsity （list [float]） - 从梯度张量中获取top个重要元素，比率为（1-当前稀疏度）。默认值为[0.999]。例如：如果sparsity为[0.99, 0.999]，则将传输top [1%, 0.1%]的重要元素。
    • use_nesterov （bool） - 启用Nesterov momentum。 True意味着使用Nesterov。默认值False。
    • local_grad_clip_norm （float，可选） - 局部梯度裁减标准值。可选，默认为None，表示不需要裁减。
    • num_trainers （int，可选） - 训练节点的数量。可选，默认为None。
    • regularization （WeightDecayRegularizer，可选） - 正则器， 如 L2DecayRegularizer。可选，默认为None。
    • name （str，可选） - 该参数供开发人员打印调试信息时使用，具体用法请参见 Name ，默认值为None。

代码示例

  1. import paddle.fluid as fluid
  2. optimizer = fluid.optimizer.DGCMomentumOptimizer(
  3.                                     learning_rate=0.0001,
  4.                                     momentum=0.9,
  5.                                     rampup_step=1000,
  6.                                     rampup_begin_step=1252,
  7.                                     sparsity=[0.999, 0.999])
  • apply_gradients(params_grads)

为给定的params_grads对附加优化算子，为minimize过程的第二步

  • 参数：
    • params_grads (list)- 用于优化的(param, grad)对组成的列表

返回： 附加在当前Program的算子组成的列表

返回类型： list

代码示例

  1. import paddle.fluid as fluid
  2. loss = network()
  3. optimizer = fluid.optimizer.SGD(learning_rate=0.1)
  4. params_grads = optimizer.backward(loss)
  5. # you may append operations for params_grads here
  6. # ...
  7. optimizer.apply_gradients(params_grads)
  • apply_optimize(loss, startup_program, params_grads)

为给定的params_grads对附加优化算子，为minimize过程的第二步。

  • 参数：
    • loss (Variable) – 用于优化过程的损失值变量
    • startup_program (Program) – 用于初始化在parameter_list中参数的startup_program
    • params_grads (list)- 用于优化的(param, grad)对组成的列表

返回： 附加在当前Program的算子组成的列表

返回类型： list

  • backward(loss, startup_program=None, parameter_list=None, no_grad_set=None, callbacks=None)

自动做diff来向当前program附加反向算子，为minimize过程的第一步。

  • 参数：
    • loss (Variable) – 需要最小化的损失值变量
    • startup_program (Program, 可选) – 用于初始化parameter_list中参数的 Program , 默认值为None，此时将使用 default_startup_program
    • parameter_list (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组成的集合，默认值为None
    • callbacks (list, 可选) – 当为某参数附加反向算子时所要运行的callables组成的列表

返回： 附加在当前Program的算子组成的列表

返回类型： list

代码示例

详见apply_gradients的示例

  • minimize(loss, startup_program=None, parameter_list=None, no_grad_set=None, grad_clip=None)

通过更新parameter_list来添加操作，进而使损失最小化。

该算子相当于backward()和apply_gradients()功能的合体。

  • 参数：
    • loss (Variable) – 用于优化过程的损失值变量
    • startup_program (Program) – 用于初始化在parameter_list中参数的startup_program
    • parameter_list (list) – 待更新的Variables组成的列表
    • no_grad_set (set|None) – 应该被无视的Variables集合
    • grad_clip (GradClipBase|None) – 梯度裁剪的策略

返回： (optimize_ops, params_grads)，分别为附加的算子列表；一个由(param, grad) 变量对组成的列表，用于优化

返回类型： tuple