batch size,学习率（learning rate）,and training time_学习率和batchsize的关系

batch size,学习率（learning rate）,and training time

1.batch size和leaning rate的关系

现在深度学习中的绝大多数算法采用梯度下降法来进行训练，并且通过选择学习率来控制下降的步长，在梯度下降法中学习率和batch size的选择直接影响了下降的步长，即步长与batch size成反比，与学习率成正比，因此这两个参数直接影响了模型的参数更新，他们是影响模型性能收敛的最佳参数。

（1）大的batch size可提高模型的稳定性，并且可以减少训练时间

在显卡显存足够的情况下，使用较大的batch size能够在数据集数量一定的条件下batch数目减小，训练时间自然就降低了。选择大的batch size能够使得模型在正向传播过程中batch norm对均值和方差的计算更为准确，batch size过小，相邻的batch size之间的差异越大，那么相邻两次迭代的梯度震荡情况会比较严重，不利于收敛；batch size越大，相邻mini-batch间的差异相对越小，虽然梯度震荡情况会比较小，一定程度上利于模型收敛，提高模型训练的稳定性。但如果batch size极端大，相邻mini-batch间的差异过小，相邻两个mini-batch的梯度没有区别了，整个训练过程就是沿着一个方向蹭蹭蹭往下走，很容易陷入到局部最小值出不来。在显存不够的情况下（使用pytorch）,可以采用梯度不清零的方法，即将梯度进行累积间接增加batch size，提升模型的稳定性。

 
 
for i,(images,target) in enumerate(train_loader):
    # 1. input output
    images = images.cuda(non_blocking=True)
    target = torch.from_numpy(np.array(target)).float().cuda(non_blocking=True)
    outputs = model(images)
    loss = criterion(outputs,target)
 
    # 2.1 loss regularization
    loss = loss/accumulation_steps   
    # 2.2 back propagation
    loss.backward()
    # 3. update parameters of net
    if((i+1)%accumulation_steps)==0:
        # optimizer the net
        optimizer.step()        # update parameters of net
        optimizer.zero_grad()   # reset gradient

（2）大的batch size导致模型泛化能力下降。

在一定范围内增大batch size对模型利大于弊，当batch size大于一定值时，模型的泛化能力和性能会下降，大的batchsize收敛到sharp minimum，而小的batchsize收敛到flat minimum，后者具有更好的泛化能力。两者的区别就在于变化的趋势，一个快一个慢，造成这个现象的主要原因是小的batchsize带来的噪声有助于逃离sharp minimum。

（3）学习率和batch size的关系

通常当我们增加batchsize为原来的N倍时，要保证经过同样的样本后更新的权重相等，按照线性缩放规则，学习率应该增加为原来的N倍。但是如果要保证权重的方差不变，则学习率应该增加为原来的sqrt(N)倍，目前这两种策略都被研究过，使用前者的明显居多。 对此实际上是有三个建议：

（1）如果增加了学习率，那么batch size最好也跟着增加，这样收敛更稳定。

（2）尽量使用大的学习率，因为很多研究都表明更大的学习率有利于提高泛化能力。如果真的要衰减，可以尝试其他办法，比如增加batch size，学习率对模型的收敛影响真的很大，慎重调整。

（3）在使用单机多卡的分布式训练的条件下，batch size和学习率要随显卡数量倍增。

reference

(1)【AI不惑境】学习率和batchsize如何影响模型的性能？链接：https://zhuanlan.zhihu.com/p/64864995 

(2)深度学习 | Batch Size大小对训练过程的影响 链接：https://zhuanlan.zhihu.com/p/86529347

(3)PyTorch中在反向传播前为什么要手动将梯度清零？链接：https://www.zhihu.com/question/303070254/answer/573037166