Learning Rate Range Test (LRRT)

训练试跑，该lr scheduler从小到大增长lr，同时记录下validatin loss；人来观察在训练多少step之后，loss崩掉（diverge)了，进而为真正跑训练，挑选合适的lr区间；

"scheduler": {
    "type": "LRRangeTest",
    "params": {
        "lr_range_test_min_lr": 0.0001,
        "lr_range_test_step_size": 200,
        "lr_range_test_step_rate": 5,
        "lr_range_test_staircase": false
    }
}

试3种不同的lr：

如上图，灰线lr增长的块，前面学得更快，某一时刻就diverge了；

橙线lr增长慢，但最终val-loss要比灰线的最低点要低； 

1-Cycle

解决痛点：多GPU训练时，batch-size较大，收敛非常慢；

Cycle阶段，先上升，再下降回到起始点；Decay阶段，缓慢下降；