自定义 PyTorch 支持的优化器

我们已经支持 PyTorch 自带的所有优化器，唯一需要修改的地方是在配置文件里的 域里面。
例如，如果您想使用 (注意如下操作可能会让模型表现下降)，可以使用如下修改：

为了修改模型的学习率，使用者仅需要修改配置文件里 optimizer 的 即可。
使用者可以参照 PyTorch 的 API 文档
直接设置参数。

自定义自己实现的优化器

1. 定义一个新的优化器

一个自定义的优化器可以按照如下去定义：

假如您想增加一个叫做 的优化器，它的参数分别有 , , 和 。
您需要创建一个叫 的新文件夹。
然后再在文件，即 里面去实现这个新优化器：

2. 增加优化器到注册表 (registry)

为了让上述定义的模块被框架发现，首先这个模块应该被导入到主命名空间 (main namespace) 里。
有两种方式可以实现它。

• 修改 来导入它

  新的被定义的模块应该被导入到 这样注册表将会发现新的模块并添加它

• 在配置文件里使用 去手动导入它

模块将会在程序运行的开始被导入，并且 类将会自动注册。
需要注意只有包含 类的包 (package) 应当被导入。
而 不能 被直接导入。

事实上，使用者完全可以用另一个按这样导入方法的文件夹结构，只要模块的根路径已经被添加到 里面。

3. 在配置文件里定义优化器

之后您可以在配置文件的 域里面使用
在配置文件里，优化器被定义在 域里，如下所示：

为了使用您自己的优化器，这个域可以被改成：

自定义优化器的构造器 (constructor)

有些模型可能需要在优化器里有一些特别参数的设置，例如 批归一化层 (BatchNorm layers) 的 权重衰减 (weight decay)。
使用者可以通过自定义优化器的构造器去微调这些细粒度参数。

默认的优化器构造器的实现可以参照 这里 ，它也可以被用作新的优化器构造器的模板。

额外的设置

优化器没有实现的一些技巧应该通过优化器构造器 (optimizer constructor) 或者钩子 (hook) 去实现，如设置基于参数的学习率 (parameter-wise learning rates)。我们列出一些常见的设置，它们可以稳定或加速模型的训练。
如果您有更多的设置，欢迎在 PR 和 issue 里面提交。

• 使用梯度截断 (gradient clip) 去稳定训练:

  一些模型需要梯度截断去稳定训练过程，如下所示

  如果您的配置继承自已经设置了 的基础配置 (base config)，您可能需要 来重写那些不需要的设置。更多细节请参照 配置文件文档 。

• 使用动量计划表 (momentum schedule) 去加速模型收敛:

  我们支持动量计划表去让模型基于学习率修改动量，这样可能让模型收敛地更快。
  动量计划表经常和学习率计划表 (LR scheduler) 一起使用，例如如下配置文件就在 3D 检测里经常使用以加速收敛。
  更多细节请参考 CyclicLrUpdater 和 CyclicMomentumUpdater 的实现。

我们根据默认的训练迭代步数 40k/80k 来设置学习率，这在 MMCV 里叫做 。
我们也支持许多其他的学习率计划表：这里 ，例如 和 计划表。下面是一些例子：

• 步计划表 Step schedule:

• 余弦退火计划表 ConsineAnnealing schedule:

工作流是一个专门定义运行顺序和轮数 (running order and epochs) 的列表 (phase, epochs)。
默认情况下它设置成：

意思是训练是跑 1 个 epoch。有时候使用者可能想检查模型在验证集上的一些指标(如 损失 loss，精确性 accuracy)，我们可以这样设置工作流：

于是 1 个 epoch 训练，1 个 epoch 验证将交替运行。

注意:

1. 模型的参数在验证的阶段不会被自动更新
2. 配置文件里的关键词 仅控制训练的 epochs 数目，而不会影响验证时的工作流
3. 工作流 和 将不会改变 的行为，因为 被
   调用而且验证的工作流仅仅影响通过调用 的钩子 (hooks)。因此， 和
   的区别仅在于 runner 将在每次训练 epoch 结束后计算在验证集上的损失

使用 MMCV 实现的钩子 (hooks)

如果钩子已经在 MMCV 里被实现，如下所示，您可以直接修改配置文件来使用钩子：

修改默认的运行时间钩子 (runtime hooks)

以下的常用的钩子没有被 注册：

• log_config
• checkpoint_config
• evaluation
• lr_config
• optimizer_config
• momentum_config

在这些钩子里，只有 logger hook 有 优先级，其他的优先级都是 。
上述提及的教程已经包括了如何修改 ， 和 。
这里我们展示我们如何处理 ， 和 。

检查点配置文件 (Checkpoint config)

MMCV runner 将使用 去初始化 .

使用者可以设置 来仅保存一小部分检查点或者通过 来决定是否保存优化器的状态字典 (state dict of optimizer)。 更多使用参数的细节请参考 这里 。

日志配置文件 (Log config)

包裹了许多日志钩 (logger hooks) 而且能去设置间隔 (intervals)。现在 MMCV 支持 ， 和 。
详细的使用请参照 文档 。

评估配置文件 (Evaluation config)

的配置文件将被用来初始化 。
除了 键，其他的像 这样的参数将被传递给 。