sgd学习率选择问题

关于使用SGD时如何选择初始的学习率(这里SGD是指带动量的SGD,momentum=0.9)：

训练一个epoch，把学习率从一个较小的值(10^-8)上升到一个较大的值(10)，画出学习率(取log)和经过平滑后的loss的曲线，根据曲线来选择合适的初始学习率。

从上图可以看出学习率和loss之间的关系，最曲线的最低点的学习率已经有了使loss上升的趋势，曲线的最低点不选。最低点左边的点都是可供选择的点，但是选择太小的学习率会导致收敛的速度过慢，所以根据上图我们可以选择0.01(10^-2)为初始的学习率。

关于学习率的调整策略，在使用SGD时不建议使用指数型连续下降的调节方法，建议使用阶梯式调节学习率的方法。每隔一定数量的epoch学习率调节为之前的0.1倍(根据自己实际任务调节每个阶段迭代epoch的数量)。

如果不想使用上述方法，这里提供几个经验值供选择，fine-tune模型初始学习率可设置为0.01，从头开始训练模型学习率可设置为0.1(仅供参考)。

供参考的寻找初始学习率的pytorch代码(根据自己的任务进行修改)：

def find_lr(init_value = 1e-8, final_value=10., beta = 0.98):
    num = len(train_loader)-1
    mult = (final_value / init_value) ** (1/num)
    lr = init_value
    optimizer.param_groups[0]['lr'] = lr
    avg_loss = 0.
    best_loss = 0.
    batch_num = 0
    losses = []
    log_lrs = []
    for data in train_loader:
        batch_num += 1
        #As before, get the loss for this mini-batch of inputs/outputs
        inputs,labels = data
        inputs, labels = Variable(inputs), Variable(labels)
        optimizer.zero_grad()
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        #Compute the smoothed loss
        avg_loss = beta * avg_loss + (1-beta) *loss.data[0]
        smoothed_loss = avg_loss / (1 - beta**batch_num)
        #Stop if the loss is exploding
        if batch_num > 1 and smoothed_loss > 4 * best_loss:
            return log_lrs, losses
        #Record the best loss
        if smoothed_loss < best_loss or batch_num==1:
            best_loss = smoothed_loss
        #Store the values
        losses.append(smoothed_loss)
        log_lrs.append(math.log10(lr))
        #Do the SGD step
        loss.backward()
        optimizer.step()
        #Update the lr for the next step
        lr *= mult
        optimizer.param_groups[0]['lr'] = lr
    return log_lrs, losses

参考论文《Cyclical Learning Rates for Training Neural Networks》

和博客https://sgugger.github.io/how-do-you-find-a-good-learning-rate.html