Adam 是深度学习中常用的优化器，我在使用时遇到了一点问题，弄清楚后记录下来。
Adam
Adam（Adaptive Moment Estimation）优化器是一种广泛使用的优化算法，在深度学习训练中特别流行。它结合了两种不同的优化算法的优点：Momentum 和 RMSprop。下面是 Adam 优化器的工作原理的简要概述：
- 动量（Momentum）： Adam 优化器计算梯度的指数加权移动平均（也称为一阶矩估计），这有助于加速梯度下降过程中的收敛速度，并帮助克服局部最小值和鞍点。这个概念类似于物理学中的动量，可以使参数更新朝着更一致的方向移动。
- RMSprop： Adam 同时计算梯度的平方的指数加权移动平均（二阶矩估计）。这有助于调整学习率，对每个参数进行自适应的学习率调整。参数的更新速度依赖于其梯度的大小，较大的梯度意味着较小的学习率，反之亦然。
- 偏差修正： 在初始阶段，由于一阶矩估计和二阶矩估计都被初始化为零向量，Adam 会应用偏差修正来防止估计值在训练初期偏向零，尤其是当衰减率非常高时。
- 参数更新： 结合以上两点，Adam 优化器在每次迭代中更新每个参数，使用的是基于一阶矩和二阶矩调整后的梯度。
Adam 优化器的关键优势在于其自适应学习率的特性，这使得它在处理不同参数的更新时更为灵活，尤其是在处理稀疏梯度或不同量级的梯度时。Adam 通常需要更少的手动超参数调整，尤其是学习率。
Adam 优化器的核心公式如下：
公式 | 用途 |
|---|---|
$m_t=beta_1m_{t-1} (1-beta_1)g_t$ | 更新一阶矩估计 |
$v_t=beta_2v_{t-1} (1-beta_2)g_t^2$ | 更新二阶矩估计 |
$hat{m}_{t}=frac{m_{t}}{1-beta_{1}^{t}}$ | 一阶矩估计的偏差修正 |
$hat{v}_{t}=overline{1-beta_{2}^{2}}$ | 二阶矩估计的偏差修正 |
$theta_{t 1}=theta_t-fraceta{sqrt{hat{v}_t} epsilon}hat{m}_t$ | 参数更新 |
其中，theta 是需要优化的参数，g_t 是在时间步t 的梯度，m_t 和v_t 分别是一阶矩和二阶矩的估计，beta_1 和beta_2 是衰减率 (通常设为接近1的值),eta 是学习率，而epsilon 是为了数值稳定性而添加的一个小常数。
理解
概念 | 理解 |
|---|---|
动量（一阶矩） | 梯度变化带有噪声，我们需要梯度修正保持一定趋势，需要给梯度更新一定的惯性令其克服噪声向正确的方向前进 |
二阶矩 | 不是所有参数都适用于相同的学习率，我们需要根据梯度大小自适应调整每个参数的学习率，这是二阶矩的作用 |
偏差修正 | 更新初期，一阶矩和二阶矩均为 0，因此它们会被低估——特别是在迭代的早期阶段，因此除一个随着迭代轮数增加更接近 1 的数字可以在更新初期放大一二阶矩的估计值，同时迭代轮数多了不会影响正常的估计进行 |
问题记录
我在使用 Adam 优化器优化参数时遇到了稍微复杂的情况：
我的优化器 A 同时管理参数 B, C，但是在某一阶段的网络训练中，我确定 C 不会参与梯度回传，需要 A 优化 B
中的参数即可。这是我的需求，目的是更新 B 不更新 C 。
我知道 Adam 有动量的概念，那么直接将 C 的 grad 置零是没用的，因为残留的动量会使得参数更新时重新变化出梯度 grad 来，那么我在开始训练 B 之前将 A 中所有的一二阶矩全部置零，同时将所有梯度 grad 全部置零：
1234567 | 梯度置零optimizer.zero_grad()# 一二阶矩 置零for param in optimizer.state_dict()'state': if param is param_to_reset: optimizer.state_dict()'state''exp_avg'.zero_() optimizer.state_dict()'state''exp_avg_sq'.zero_() |
|---|
但是在训练 B 的过程中， C 的参数还是会被更新，当时我没有想通问题出在哪。
问题原因
经过翻查源码，发现 Adam 中集成了正则化 L2 Loss —— weight_decay，该参数将当前需要更新的数据的值直接乘起来加到梯度上，本意是减小参数绝对值，令其更加鲁棒，但是对我的需求便是灭顶之灾，经过多轮训练后所有没有梯度回传的参数都会减小到接近 0.
问题解决
找到原因就好办了，源码中会对优化器管理的参数做一个筛选，如果当前参数没有 grad 信息，那么优化器会将其跳过，所以训练前把所有优化器中参数的 grad 设置为 None（不是置零）即可。
原始论文
参考资料
- https://arxiv.org/pdf/1412.6980.pdf
文章链接： https://cloud.tencent.com/developer/article/2378996
