如何找到一个好的学习率

大家好，欢迎来到IT知识分享网。

我们知道学习率是深度学习模型中一个非常重要的超参数，因此，当训练深度学习模型时，我们如何确定学习率的大小？ 如果学习率太小，网络将会训练很慢且耗时（比如学习率设置为1e-6)。如果学习率太高，网络在训练过程中可能会跳过最小值点。更糟糕的是，高学习率可能会导致loss不断变大，这样就脱离了模型的学习目标。

介绍

如下图所示，高的学习率，可能会出现跳过最小值点情况，并且loss还增加：

因此，对于训练深度学习模型，我们需要选择一个合理的学习率大小，既不能太大也不能太小。以往我们根据不同的学习率实验或者经验得到一个“认为”合理的学习率，但在在这篇文章中提出了一种新方法: 在一个epoch中，首先，对优化器（比如SGD）设置一个非常低的学习率（如10-8），然后，在每次小batch数据训练中改变学习率（比如乘以某个因子），直到学习率达到一个非常高的值（如1或10）或者loss开始变大，停止训练，最后，我们将学习率和loss变化绘制在同张图中，如下图所示:

仔细观察上图，会发现，一开始loss在减少，但是瞬间停止并且变大，这个主要是因为学习率非常低。但是，随着学习率的变大，loss在不断地降低，当学习率达到一个大（实际数值可能也很小）的值时，loss不降低反而开始增加。类似于前面提到的，高学习率可能会导致loss不断变大，因为loss可能不断在上下反弹，如图１所示。根据图2，我们能确定最佳的学习率大小吗？ 是最小loss对应的学习率吗？

实际上，我们不应该选择最小loss对应的学习率，因为最小loss对应的学习率已经有点过高了，而且进一步训练可能也会出现loss增加的可能性。因此，我们一般选择最小loss对应的前一个学习率，这样我们可以快速地训练（主要是还有降低的空间）。例如，根据图２，我们应该选择1e-1学习率而不是1e-2。

备注：任何SGD变体的优化器算法，我们都可以使用上述方法确定一个合理的学习率。我们只需训练一个epoch，将loss和学习率绘制到同张图上，根据上述分析就可以获得一个合理的学习率大小。

原理

如果你使用的是fastai模块，则非常容易实现该功能，即:

learner.lr_find()
learner.sched.plot()

然后我们会得到类似图2的效果。使用fastai模块很容易实现，如果我们自己想实现呢，下面我将使用tensorflow eager模式实现该功能，在实现代码之前，我们先来理解下背后的计算逻辑，这样方便我们自己手动实现该方法。

备注：一般我们不会绘制每个小batch数据计算的损失，而是进行平滑之后，如果我们绘制原始的小batch数据损失变化，将得到一个如下图；

虽然从该图中，我们仍然可以看到一个损失变化的趋势，但是并没有上一张图那么清晰。后面我们将使用scipy实现简单平滑操作。

首先，我们设置一个规则，当loss开始增加时，我们停止训练，在fastai模块中使用的标准是；

KaTeX parse error: No such environment: equation* at position 8: \begin{̲e̲q̲u̲a̲t̲i̲o̲n̲*̲}̲ \hbox{current …

前面我们提到，对于小batch数据训练过程中，我们对学习率进行更新，比如乘上一个因子，即:

KaTeX parse error: No such environment: equation* at position 8: \begin{̲e̲q̲u̲a̲t̲i̲o̲n̲*̲}̲ \hbox{lr}_{i} …

其中:

• $l{r}_0$为初始化学习率
• $q$为更新因子

下面，我们就是需要计算出这个更新因子的表达式，在训练之前，给定初始学习率和结束学习率即$l{r}_0$和$l{r}_{n-1}$，则我们可以计算得到$q$，即：

KaTeX parse error: No such environment: equation* at position 8: \begin{̲e̲q̲u̲a̲t̲i̲o̲n̲*̲}̲ \hbox{lr}_{N-1…

进而，可以得到；
KaTeX parse error: No such environment: equation* at position 8: \begin{̲e̲q̲u̲a̲t̲i̲o̲n̲*̲}̲ \log(\hbox{lr}…

为什么需要对$l{r}_0$和$l{r}_{n-1}$对数化呢？直接对$l{r}_0$和$l{r}_{n-1}$计算，性质是一样的，即:
KaTeX parse error: No such environment: equation* at position 8: \begin{̲e̲q̲u̲a̲t̲i̲o̲n̲*̲}̲ \hbox{lr}_{i} …

但是，我们在初始化$l{r}_0$和$l{r}_{n-1}$的时候，$l{r}_0$远比$l{r}_{n-1}$小，如果直接使用$l{r}_0$和$l{r}_{n-1}$进行计算的话，大部分学习率都会偏向于$l{r}_{n-1}$，也即是我们常说的负偏态分布。

代码实践

接下来，我们将基于Tensorflow eager模式来简单的实现lr_find功能。

首先，加载我们所需的模块:

#encoding:utf-8
import os
import tensorflow as tf
from matplotlib import pyplot as plt
import numpy as np
from scipy.interpolate import spline
plt.switch_backend('agg') # 防止ssh上绘图问题

其中，spline函数主要帮助我们实现简单的平滑化处理。

接下来，我们定义一个LrFinder类:

class LrFinder():
    def __init__(self, model,data_size,batch_szie,fig_path):
        # 进度条变量
        self.data_size = data_size
        self.batch_size = batch_szie
        self.loss_name = 'loss'
        self.eval_name = 'acc'
        self.width = 30
        self.resiud = self.data_size % self.batch_size
        self.n_batch = self.data_size // self.batch_size

        # lr_find变量
        self.model = model
        self.best_loss = 1e9
        self.fig_path = fig_path
        self.losses = []
        self.lrs = []

        self.model_status = False
        self.learning_rate = tf.Variable(0.001,trainable=False)

其中:

• model: 我们需要训练的模型
• data_size: 数据集大小
• batch_size:　批大小
• fig_path: 保存图片的路径

另外，我们初始化了一个learning_rate变量，在Tensorflow中，我们将对learning_rate进行更新。

    # 每次batch更新进行操作
    def on_batch_end(self, loss,):
        # 更新学习率和loss列表数据
        self.lrs.append(self.learning_rate.numpy())
        self.losses.append(loss.numpy())

上面，on_batch_end函数名表明了，我们应该在一个batch结束之后，运行该函数。首先，我们更新学习率和losses列表，我们将根据该列表进行绘制图标数据.

        # 对loss进行判断，主要当loss增加时，停止训练
        if  loss.numpy() > self.best_loss * 4:
            self.model_status = True

        #　更新best_loss
        if loss.numpy() < self.best_loss:
            self.best_loss = loss.numpy()

接着，我们对loss进行操作，若当前loss大于best_loss的四倍，则停止模型训练（该规则主要是从fastai模块中获取），其次对best_loss进行更新。

        # 学习率更新方式
        lr = self.lr_mult * self.learning_rate.numpy()
        self.learning_rate.assign(lr)

最后，我们对学习率进行更新，其中self.lr_mult是更新因子，在Tensorflow中对变量重新赋值主要是使用assign函数。

接下来，定义loss关于学习率变化绘制图表函数：

    # 对loss进行可视化
    def plot_loss(self):
        plt.style.use("ggplot")
        plt.figure()
        plt.ylabel("loss")
        plt.xlabel("learning rate")
        plt.plot(self.lrs, self.losses)
        plt.xscale('log')
        plt.savefig(os.path.join(self.fig_path,'loss.jpg'))
        plt.close()

第一个函数plot_loss主要是对每个batch的loss进行绘制图表，类似图3。

    # 这里我们使用scipy模块简单点进行平滑化，方便查看
    def plot_loss_smooth(self):
        #这里我们采用移动平均进行平滑化
        xnew = np.linspace(min(self.lrs),max(self.lrs),100)
        smooth_loss = spline(self.lrs,self.losses,xnew)
        plt.ylabel("rate of loss change")
        plt.xlabel("learning rate (log scale)")
        plt.plot(xnew, smooth_loss)
        plt.xscale('log')
        plt.savefig(os.path.join(self.fig_path,'smooth_loss.jpg'))
        plt.close()

第二个plot_loss_smooth函数，我们主要使用scipy模块中的spline函数简单实现一个平滑的效果。

最后，我们定义个拟合函数，对数据集进行训练并保存loss和lr变化。

    # 定义一个拟合函数
    def find(self, trainDatsset, start_lr, end_lr, optimizer,epochs=1,verbose = 1,save = True):
        self.learning_rate.assign(start_lr)
        num_batches = epochs * self.data_size / self.batch_size
        # 更新因子
        self.lr_mult = (float(end_lr) / float(start_lr)) ** (float(1) / float(num_batches))
        for i in range(epochs):
            for (batch_id, (X, y)) in enumerate(trainDatsset):
                y_pred,train_loss,grads = self.model.compute_grads(X, y)
                optimizer.apply_gradients(zip(grads, self.model.variables))
                self.on_batch_end(loss=train_loss)

其中:

• trainDataset：训练数据集，这里是Dataset格式
• start_lr: 开始学习率，一般设置为0.000001
• end_lr: 结束学习率，一般设置为10
• optimizer: 优化器
• epochs: 训练的epoch总数，在这里一般设置为１
• verbose:　是否打印信息，默认为1
• save: 是否保存图像

定义完lrFinder类后，我们只需类似模型训练过程一样构建即可，即:

#encoding:utf-8
from pytfeager.callbacks.lr_finder import LrFinder
# 初始化模型
model = CNN(num_classes = FLAGS.num_classes)
lr_finder = LrFinder(model = model,data_size=buffer_size,batch_szie= FLAGS.batch_size,fig_path = fig_path)
optimizer = tf.train.AdamOptimizer(learning_rate=lr_finder.learning_rate)
lr_finder.find(trainDatsset=train_dataset,start_lr=0.00001,end_lr = 10,optimizer=optimizer,epochs=1)

在mnist数据集上，我们可以得到以下结果:

平滑之后:

备注 :完整代码可在:github上下载。