DGCMomentumOptimizer¶

api_attr: 声明式编程(静态图)专用API

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, grad_clip=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) - 正则化方法。支持两种正则化策略: L1Decay 、 L2Decay 。如果一个参数已经在 ParamAttr 中设置了正则化，这里的正则化设置将被忽略；如果没有在 ParamAttr 中设置正则化，这里的设置才会生效。默认值为None，表示没有正则化。

grad_clip (GradientClipByNorm, 可选) – 梯度裁剪的策略，DGCMomentumOptimizer 仅支持 GradientClipByNorm 裁剪策略，如果不为该类型，将会抛出类型异常。默认值为None，此时将不进行梯度裁剪。

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¶

import paddle.fluid as fluid
optimizer = fluid.optimizer.DGCMomentumOptimizer(
                                    learning_rate=0.0001,
                                    momentum=0.9,
                                    rampup_step=1000,
                                    rampup_begin_step=1252,
                                    sparsity=[0.999, 0.999])

方法¶

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

import paddle.fluid as fluid
loss = network()
optimizer = fluid.optimizer.SGD(learning_rate=0.1)
params_grads = optimizer.backward(loss)
# you may append operations for params_grads here
# ...
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)¶

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

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。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。
返回类型: tuple