Pytorch-Lightning–Tuner

lr_find()

参数详解

参数名称	含义	默认值
model	LightningModule实例
train_dataloaders	训练数据加载器	None
val_dataloaders	验证数据加载器	None
datamodule	LightningDataModule实例	None
min_lr	学习率最小值	1e-08
max_lr	学习率最大值	1
num_training	测试学习率的训练轮数	100
mode	学习率寻找策略，分为指数(默认)和线性(linear)	exponential
early_stop_threshold	当任意一点的loss>=early_stop_threshold*best_loss时停止搜索，设置为None禁用该项	4.0
update_attr	将搜索到的学习率更新到模型参数中	False

使用注意

• 暂时只支持单个优化器
• 暂不支持DDP

用法

使用self.learing_rate或self.lr作为学习率参数

class LitModel(LightningModule):def __init__(self, learning_rate):self.learning_rate = learning_ratedef configure_optimizers(self):return Adam(self.parameters(), lr=(self.lr or self.learning_rate))model = LitModel()# 开启 auto_lr_find标志
trainer = Trainer(auto_lr_find=True)
# 寻找合适的学习率
trainer.tune(model)

使用其他的学习率变量名称

model = LitModel()# 设置为自己的学习率超参数名称 my_value
trainer = Trainer(auto_lr_find="my_value")trainer.tune(model)

使用lr_find()查看自动搜索学习率的结果

model = MyModelClass(hparams)
trainer = Trainer()# 运行学习率搜索
lr_finder = trainer.tuner.lr_find(model)# 查看搜索结果
lr_finder.results# 绘制学习率搜索图，suggest参数指定是否显示建议的学习率点
fig = lr_finder.plot(suggest=True)
fig.show()# 获取最佳学习率或建议的学习率
new_lr = lr_finder.suggestion()# 更新模型的学习率
model.hparams.lr = new_lr# 训练模型
trainer.fit(model)

scale_batch_size()

参数详解

参数名称	含义	默认值
model	LightningModule实例
train_dataloaders	训练数据加载器	None
val_dataloaders	验证数据加载器	None
datamodule	LightningDataModule实例	None
mode	学习率寻找策略，分为幂次方(默认)和二分(binsearch)	power
steps_per_trial	每次测试当前batch_size的训练step数量	3
init_val	初始batch_size大小	2
max_trials	算法结束前batch_size最大增量	25
batch_arg_name	存储batch_size的属性名	'batch_size'

• Returns:搜索结果

将在如下地方寻找batch_arg_name

• model
• model.hparams
• trainer.datamodule (如果datamodule传递给了tune())

使用注意

• 暂时不支持DDP模式

• 由于需要使用模型的batch_arg_name属性，因此不能直接将dataloader直接传递给trainer.fit()，否则此功能将失效，需要在模型中加载数据

• 原来模型中的batch_arg_name属性将被覆盖

• train_dataloader()应该依赖于batch_arg_name属性

  def train_dataloader(self):return DataLoader(train_dataset, batch_size=self.batch_size | self.hparams.batch_size)
  

用法

使用Trainer中的auto_scale_batch_size属性

# 默认不执行缩放
trainer = Trainer(auto_scale_batch_size=None)# 设置搜索策略
trainer = Trainer(auto_scale_batch_size=None | "power" | "binsearch")# 寻找最佳batch_szie，并自动设置到模型的batch_size属性中
trainer.tune(model)

使用scale_batch_size()

# 返回搜索结果
new_batch_size = tuner.scale_batch_size(model, *extra_parameters_here)# 覆盖原来的属性(这个过程是自动的)
model.hparams.batch_size = new_batch_size