1. lr_scheduler相關

lr_scheduler = WarmupLinearSchedule(optimizer, warmup_steps=args.warmup_steps, t_total=num_train_optimization_steps)

其中args.warmup_steps可以認為是耐心系數

num_train_optimization_steps為模型參數的總更新次數

一般來說：

num_train_optimization_steps = int(total_train_examples / args.train_batch_size / args.gradient_accumulation_steps)

Schedule用來調節學習率，拿線性變換調整來說，下面代碼中，step是當前迭代次數。

    def lr_lambda(self, step):
        # 線性變換，返回的是某個數值x，然后返回到類LambdaLR中，最終返回old_lr*x
        if step  self.warmup_steps: # 增大學習率
            return float(step) / float(max(1, self.warmup_steps))
        # 減小學習率
        return max(0.0, float(self.t_total - step) / float(max(1.0, self.t_total - self.warmup_steps)))

在實際運行中，lr_scheduler.step()先將lr初始化為0. 在第一次參數更新時，此時step=1，lr由0變為初始值initial_lr；在第二次更新時，step=2，上面代碼中生成某個實數alpha，新的lr=initial_lr *alpha；在第三次更新時，新的lr是在initial_lr基礎上生成，即新的lr=initial_lr *alpha。

其中warmup_steps可以認為是lr調整的耐心系數。

由于有warmup_steps存在，lr先慢慢增加，超過warmup_steps時，lr再慢慢減小。

在實際中，由于訓練剛開始時，訓練數據計算出的grad可能與期望方向相反，所以此時采用較小的lr，隨著迭代次數增加，lr線性增大，增長率為1/warmup_steps；迭代次數等于warmup_steps時，學習率為初始設定的學習率；迭代次數超過warmup_steps時，學習率逐步衰減，衰減率為1/(total-warmup_steps)，再進行微調。

2. gradient_accumulation_steps相關

gradient_accumulation_steps通過累計梯度來解決本地顯存不足問題。

假設原來的batch_size=6，樣本總量為24，gradient_accumulation_steps=2

那么參數更新次數=24/6=4

現在，減小batch_size=6/2=3，參數更新次數不變=24/3/2=4

在梯度反傳時，每gradient_accumulation_steps次進行一次梯度更新，之前照常利用loss.backward()計算梯度。

補充：pytorch學習筆記 -optimizer.step()和scheduler.step()

optimizer.step()和scheduler.step()的區別

optimizer.step()通常用在每個mini-batch之中，而scheduler.step()通常用在epoch里面,但是不絕對，可以根據具體的需求來做。只有用了optimizer.step()，模型才會更新，而scheduler.step()是對lr進行調整。

通常我們有

optimizer = optim.SGD(model.parameters(), lr = 0.01, momentum = 0.9)
scheduler = lr_scheduler.StepLR(optimizer, step_size = 100, gamma = 0.1)
model = net.train(model, loss_function, optimizer, scheduler, num_epochs = 100)

在scheduler的step_size表示scheduler.step()每調用step_size次，對應的學習率就會按照策略調整一次。

所以如果scheduler.step()是放在mini-batch里面，那么step_size指的是經過這么多次迭代，學習率改變一次。

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。