实践|增加batch_size的一种方法(梯度累加)

一、为什么会有batch_size参数 经常做训练的童鞋们都知道,batch_size是一个很重要的超参数,每次训练支取batch_size个数据集进行训练,那么,为啥不取全部呢,答案可想而知,应为内存不够呀,放不下呀,小数据集还好,内存勉强够,勉强放的下,但是花费大量的时间加载了数据后,训练了一个epoch之后,发现参数不对,需要重新调参,然后中断训练,花1s调了个参数,花费2h加载了数据,不累么?!所以需要batch_size这个参数。
虽然全部的数据集可以更好的确定样本总体的方向,但是一次性处理整个数据集,是非常不明智的!
二、batch_size对学习的影响 使用batch_size之后,就变成批梯度下降法(min-batches learning),如果数据集足够充分,那么使用一半(甚至少得多)的数据算出来的梯度与全部数据集训练出来的梯度是几乎一样的。那么batch_size多大合适呢?
当batch_size=1时,也即是每次只取一个样本进行训练,每次只根据一个样本的梯度选择方向进行下降,每个样本身上个体差异大于样本的共性,因此梯度修正的方向,整体来说是朝着正确的方向,但是每一步走的都很杂乱,走了很多弯路,因此收敛速度很慢。
实践|增加batch_size的一种方法(梯度累加)
文章图片

合理的范围内,增加batch_size的好处:

  • 内存利用率提高了,大矩阵乘法的并行化效率提高。
  • 加快数据的处理速度
  • 在一定范围内,一般batch_size越大,其确定的下降方向越准,训练震荡越小。
盲目增大batch_size有何坏处?
  • 跑完一次epoch所需要的迭代次数减少,参数的更新次数也减少了,因此精度也会收到影响
  • batch_size增大到一定程度,其确定的下降方向已经基本不再变化
三、什么是梯度累加 直接上代码,通常训练代码
for i, (inputs, labels) in enumerate(trainloader): optimizer.zero_grad()# 梯度清零 outputs = net(inputs)# 正向传播 loss = criterion(outputs, labels)# 计算损失 loss.backward()# 反向传播,计算梯度 optimizer.step()# 更新参数

加入梯度累加之后的代码:
for i, (inputs, labels) in enumerate(trainloader): outputs = net(inputs)# 正向传播 loss = criterion(outputs, labels)# 计算损失函数 loss = loss / accumulation_steps# 损失标准化 loss.backward()# 反向传播,计算梯度 if (i+1) % accumulation_steps == 0: optimizer.step()# 更新参数 optimizer.zero_grad()# 梯度清零

修改点有两个:
1、loss 变为 loss / accumulation_steps
2、 accumulation_steps 之后再更新
四、梯度累加如何增加batch_size 【实践|增加batch_size的一种方法(梯度累加)】因为你每次求出来的loss是一个批次内预测和标签误差的平均值,当你用梯度累计的时候求出几个批次的平均值,当然要再平均一下保证它等效大批次的平均值。

    推荐阅读