PyTorch：如何在任意时刻改变优化器的学习速率(无LR调度)

uyhoqukh 于 2022-11-09 发布在其他

关注(0)|答案(2)|浏览(137)

在PyTorch中是否可以在训练过程中动态地改变优化器的学习速率（我不想事先定义学习速率时间表）？
假设我有一个优化器：

optim = torch.optim.SGD(model.parameters(), lr=0.01)

现在由于我在训练中进行的一些测试，我意识到我的学习率太高了，所以我想把它改为0.001。似乎没有方法optim.set_lr(0.001)，但有什么方法可以做到这一点吗？

pytorch

来源：https://stackoverflow.com/questions/48324152/pytorch-how-to-change-the-learning-rate-of-an-optimizer-at-any-given-moment-no

2条答案

按热度按时间

2lpgd9681#

因此，学习率存储在optim.param_groups[i]['lr']中。optim.param_groups是可以具有不同学习率的不同权重组的列表。因此，简单地执行：

for g in optim.param_groups:
    g['lr'] = 0.001

就可以了。

或者，

正如在评论中提到的，如果你的学习率只取决于纪元号，你可以使用学习率调度器。
例如（来自文档的修改示例）：

torch.optim.lr_scheduler import LambdaLR
optimizer = torch.optim.SGD(model.parameters(), lr=0.1, momentum=0.9)

# Assuming optimizer has two groups.

lambda_group1 = lambda epoch: epoch // 30
lambda_group2 = lambda epoch: 0.95**epoch
scheduler = LambdaLR(optimizer, lr_lambda=[lambda1, lambda2])
for epoch in range(100):
    train(...)
    validate(...)
    scheduler.step()

还有，有一个prebuilt learning rate scheduler to reduce on plateaus.

赞(0）回复(0）举报 2022-11-09

wnavrhmk2#

您可以通过以下方式直接执行此操作，而不是在patapouf_ai's answer中执行循环：