最适合新人的写作网站网站开发项目组团队

本文环境：

• Pycharm 2025.1
• Python 3.12.9
• Pytorch 2.6.0+cu124

​ 优化器 (Optimizer) 是深度学习中的核心组件，负责根据损失函数的梯度来更新模型的参数，使模型能够逐步逼近最优解。在 PyTorch 中，优化器通过torch.optim模块提供。

​ Pytorch 链接：https://docs.pytorch.org/docs/stable/optim.html。

1 工作原理

​ 优化器的工作流程如下：

1. 计算损失函数的梯度 (通过backward()方法)。
2. 根据梯度更新模型参数 (通过step()方法)。
3. 清除之前的梯度 (通过zero_grad()方法)。

result_loss.backward()  # 计算梯度
optim.step()           # 更新参数
optim.zero_grad()      # 清除梯度

2 常见优化器

​ PyTorch 提供多种优化器，以 SGD 和 Adam 为例。

2.1 SGD

​ 基础优化器，可以添加动量 (momentum) 来加速收敛。

参数	类型	默认值	作用	使用建议
params	iterable	-	待优化参数	必须传入model.parameters()或参数组字典，支持分层配置
lr	float	1e-3	学习率	控制参数更新步长，SGD常用0.01-0.1，Adam常用0.001
momentum	float	0	动量因子	加速梯度下降（Adam内置动量，无需单独设置）
dampening	float	0	动量阻尼	抑制动量震荡（仅当momentum>0时生效）
weight_decay	float	0	L2正则化	防止过拟合，AdamW建议0.01-0.1
nesterov	bool	False	Nesterov动量	改进版动量法（需momentum>0）
maximize	bool	False	最大化目标	默认最小化损失，True时改为最大化
foreach	bool	None	向量化实现	CUDA下默认开启，内存不足时禁用
differentiable	bool	False	可微优化	允许优化器步骤参与自动微分（影响性能）
fused	bool	None	融合内核	CUDA加速，支持float16/32/64/bfloat16

2.2 Adam

• 特点：自适应矩估计，结合了动量法和 RMSProp 的优点。
• 优点：通常收敛速度快，对学习率不太敏感。

参数名称	类型	默认值	作用	使用建议
params	iterable	-	需要优化的参数（如model.parameters()）	必须传入，支持参数分组配置
lr	float	1e-3	学习率（控制参数更新步长）	推荐0.001起调，CV任务可尝试0.0001-0.01
betas	(float, float)	(0.9, 0.999)	梯度一阶矩(β₁)和二阶矩(β₂)的衰减系数	保持默认，除非有特殊需求
eps	float	1e-8	分母稳定项（防止除以零）	混合精度训练时可增大至1e-6
weight_decay	float	0	L2正则化系数	推荐0.01-0.1（使用AdamW时更有效）
decoupled_weight_decay	bool	False	启用AdamW模式（解耦权重衰减）	需要权重衰减时建议设为True
amsgrad	bool	False	使用AMSGrad变体（解决收敛问题）	训练不稳定时可尝试启用
foreach	bool	None	使用向量化实现加速（内存消耗更大）	CUDA环境下默认开启，内存不足时禁用
maximize	bool	False	最大化目标函数（默认最小化）	特殊需求场景使用
capturable	bool	False	支持CUDA图捕获	仅在图捕获场景启用
differentiable	bool	False	允许通过优化器步骤进行自动微分	高阶优化需求启用（性能下降）
fused	bool	None	使用融合内核实现（需CUDA）	支持float16/32/64时启用可加速

3 优化器参数

​ 所有优化器都接收两个主要参数：

1. params：要优化的参数，通常是model.parameters()。
2. lr：学习率(learning rate)，控制参数更新的步长。

​ 其他常见参数：

• weight_decay：L2 正则化系数，防止过拟合。
• momentum：动量因子，加速 SGD 在相关方向的收敛。
• betas(Adam 专用)：用于计算梯度及其平方的移动平均的系数。

4 学习率

​ 学习率是优化器中最重要的超参数之一。

• 太大：可能导致震荡或发散。
• 太小：收敛速度慢。
• 常见策略：
  • 固定学习率 (如代码中的 0.01)。
  • 学习率调度器 (Learning Rate Scheduler) 动态调整。

5 使用最佳实践

1. 梯度清零：每次迭代前调用optimizer.zero_grad()，避免梯度累积。
2. 参数更新顺序：先backward()再step()。
3. 学习率选择：可以从默认值开始 (如 Adam 的 0.001)，然后根据效果调整。

import torch
import torchvision
from torch import nn
from torch.utils.data import DataLoaderdataset = torchvision.datasets.CIFAR10(root='./dataset',  # 保存路径train=False,  # 是否为训练集transform=torchvision.transforms.ToTensor(),  # 转换为张量download=True  # 是否下载
)dataloader = DataLoader(dataset, batch_size=1)class MyModel(nn.Module):def __init__(self):super(MyModel, self).__init__()self.model = nn.Sequential(nn.Conv2d(3, 32, 5, 1, 2),nn.MaxPool2d(2),nn.Conv2d(32, 32, 5, 1, 2),nn.MaxPool2d(2),nn.Conv2d(32, 64, 5, 1, 2),nn.MaxPool2d(2),nn.Flatten(),nn.Linear(64 * 4 * 4, 64),nn.Linear(64, 10))def forward(self, x):return self.model(x)loss = nn.CrossEntropyLoss()
model = MyModel()
torch.optim.Adam(model.parameters(), lr=0.01)
optim = torch.optim.SGD(model.parameters(), lr=0.01)for epoch in range(20):running_loss = 0.0# 遍历dataloader中的数据for data in dataloader:# 获取数据和标签imgs, targets = data# 使用模型对数据进行预测output = model(imgs)# 计算预测结果和真实标签之间的损失result_loss = loss(output, targets)# 将梯度置零optim.zero_grad()# 反向传播计算梯度result_loss.backward()# 更新模型参数optim.step()running_loss += result_lossprint(f'第 {epoch + 1} 轮的损失为 {running_loss}')