调度器的迁移¶

我们更新了MMagic 1.x 中的调度器设置，重要修改如下:

现在我们使用 optim_wrapper 字段来指定关于优化过程的所有配置。optimizer 字段现在是 optim_wrapper 的一个子字段。
lr_config 字段被移除，我们使用新的 param_scheduler 来代替它。
total_iters 字段已移至 train_cfg，作为 max_iters, val_cfg 和 test_cfg，用于配置训练、验证和测试中的循环。

Original

New

optimizers = dict(generator=dict(type='Adam', lr=1e-4, betas=(0.9, 0.999)))   # 用于构建优化器的配置，支持 PyTorch 中的所有优化器，其参数与 PyTorch 中的参数相同。
total_iters = 300000 # 总训练迭代次数
lr_config = dict( # 用于注册 LrUpdater hook 的学习率调度器配置
    policy='Step', by_epoch=False, step=[200000], gamma=0.5)  # 调度器的策略

optim_wrapper = dict(
    dict(
        type='OptimWrapper',
        optimizer=dict(type='Adam', lr=1e-4),
    )
)  # 用于构建优化器的配置，支持 PyTorch 中的所有优化器，其参数与 PyTorch 中的参数相同。
param_scheduler = dict(  # 学习策略的配置
    type='MultiStepLR', by_epoch=False, milestones=[200000], gamma=0.5)  # 调度器的策略
train_cfg = dict(
    type='IterBasedTrainLoop', max_iters=300000, val_interval=5000)  # 训练循环类型的配置
val_cfg = dict(type='ValLoop')  # 验证循环类型的名称
test_cfg = dict(type='TestLoop')  # 测试循环类型的名称

有关调度器设置的更多详细信息可在 MMEngine Documents 中找到。