微信公众号搜"智元新知"关注
微信扫一扫可直接关注哦!

从检查点恢复时的训练损失会爆炸

如何解决从检查点恢复时的训练损失会爆炸

我正在尝试在算法中实现一个功能,该功能允许我从检查点恢复训练。问题是,当我恢复训练时,我的损失会激增很多数量级,从0.001到1000数量级。我怀疑问题可能在于恢复训练后,学习率没有正确设置。 >

这是我的训练功能

def train_gray(epoch,data_loader,device,model,criterion,optimizer,i,path):
    train_loss = 0.0
    for data in data_loader:
        img,_ = data
        img = img.to(device)
        stand_dev = 0.0392

        noisy_img = add_noise(img,stand_dev,device)

        output = model(noisy_img,stand_dev)
        output = output[:,0:1,:,:]  
        loss = criterion(output,img)

        optimizer.zero_grad()

        loss.backward()
        optimizer.step()
        train_loss += loss.item()*img.size(0)

    train_loss = train_loss/len(data_loader)

    print('Epoch: {} Complete \tTraining Loss: {:.6f}'.format(
        epoch,train_loss
        ))
    return train_loss

这是我的主要函数,用于初始化变量,加载检查点,调用训练函数并在经过一段时间的训练后保存检查点:


def main():
    Now = datetime.Now()
    current_time = Now.strftime("%H_%M_%s")
    path = "/home/bledc/my_remote_folder/denoiser/models/{}_sigma_10_session2".format(current_time)
    os.mkdir(path)

    width = 256
    # height = 256
    num_epochs = 25
    batch_size = 4
    learning_rate = 0.0001

    data_loader = load_dataset(batch_size,width)
    
    model = UNetWithresnet50Encoder().to(device)
    criterion = nn.MSELoss()
    optimizer = torch.optim.Adam(
        model.parameters(),lr=learning_rate,weight_decay=1e-5)

    ############################################################################################
    # UNCOMMENT CODE BELOW TO RESUME TRAINING FROM A MODEL
    model_path = "/home/bledc/my_remote_folder/denoiser/models/resnet_sigma_10/model_epoch_10.pt"
    save_point = torch.load(model_path)
    model.load_state_dict(save_point['model_state_dict'])
    optimizer.load_state_dict(save_point['optimizer_state_dict'])
    epoch = save_point['epoch']
    train_loss = save_point['train_loss']
    model.train()
    ############################################################################################

    for i in range(epoch,num_epochs+1):
        train_loss = train_gray(i,path)
        checkpoint(i,train_loss,path)

    print("end")

最后,这是我保存检查点的功能

def checkpoint(epoch,path):
    torch.save({
            'epoch': epoch,'model_state_dict': model.state_dict(),'optimizer_state_dict': optimizer.state_dict(),'train_loss': train_loss
            },path+"/model_epoch_{}.pt".format(epoch))
    print("Epoch saved")

如果我的问题是我没有节省学习率,该怎么办?

任何帮助将不胜感激, 克莱门特(Clement)

更新:我相当确定问题出在我的预训练模型中。我在每个时期都保存了优化器,但是优化器仅保存可训练层的信息。我希望尽快解决此问题,并在找出谁来保存和加载整个模型时发布更详尽的答案。

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。