53 lines
3.5 KiB
ReStructuredText
53 lines
3.5 KiB
ReStructuredText
mindspore.ops.Adam
|
||
==================
|
||
|
||
.. py:class:: mindspore.ops.Adam(use_locking=False, use_nesterov=False)
|
||
|
||
通过Adam算法更新梯度。
|
||
|
||
Adam算法详情请参考 `Adam: A Method for Stochastic Optimization <https://arxiv.org/abs/1412.6980>`_ 。
|
||
|
||
有关更多详细信息，参见 :class:`mindspore.nn.Adam` 。
|
||
|
||
更新公式如下：
|
||
|
||
.. math::
|
||
\begin{array}{ll} \\
|
||
m = \beta_1 * m + (1 - \beta_1) * g \\
|
||
v = \beta_2 * v + (1 - \beta_2) * g * g \\
|
||
l = \alpha * \frac{\sqrt{1-\beta_2^t}}{1-\beta_1^t} \\
|
||
w = w - l * \frac{m}{\sqrt{v} + \epsilon}
|
||
\end{array}
|
||
|
||
其中， :math:`m` 表示第一个动量矩阵， :math:`v` 表示第二个动量矩阵， :math:`g` 表示 `gradient`， :math:`l` 表示缩放因子 `lr` ， :math:`\beta_1, \beta_2` 表示 `beta1` 和 `beta2` ， :math:`t` 表示更新步数， :math:`beta_1^t(\beta_1^{t})` 和 :math:`beta_2^t(\beta_2^{t})` 表示 `beta1_power` 和 `beta2_power` ， :math:`\alpha` 表示 `learning_rate` ， :math:`w` 表示 `var` ， :math:`\epsilon` 表示 `epsilon` 。
|
||
|
||
`var` 、 `m` 、 `v` 和 `gradient` 的输入遵循隐式类型转换规则，使数据类型一致。如果它们具有不同的数据类型，则低精度数据类型将转换为相对最高精度的数据类型。
|
||
|
||
参数：
|
||
- **use_locking** (bool) - 是否对参数更新加锁保护。如果为 ``True`` ，则 `w` 、 `m` 和 `v` 的Tensor更新将受到锁的保护。如果为 ``False`` ，则结果不可预测。默认值： ``False`` 。
|
||
- **use_nesterov** (bool) - 是否使用Nesterov Accelerated Gradient (NAG)算法更新梯度。如果为 ``True`` ，则使用NAG更新梯度。如果为 ``False`` ，则在不使用NAG的情况下更新梯度。默认值：``False`` 。
|
||
|
||
输入：
|
||
- **var** (Union[Parameter, Tensor]) - 需更新的权重。shape： :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度，其数据类型可以是float16或float32。
|
||
- **m** (Union[Parameter, Tensor]) - 更新公式中的第一个动量矩阵，shape应与 `var` 相同。
|
||
- **v** (Union[Parameter, Tensor]) - 更新公式中的第二个动量矩阵，shape应与 `var` 相同。
|
||
- **beta1_power** (float) - 在更新公式中的 :math:`beta_1^t(\beta_1^{t})` 。
|
||
- **beta2_power** (float) - 在更新公式中的 :math:`beta_2^t(\beta_2^{t})` 。
|
||
- **lr** (float) - 在更新公式中的 :math:`l` 。其论文建议取值为 :math:`10^{-8}`。
|
||
- **beta1** (float) - 第一个动量矩阵的指数衰减率。论文建议取值为 :math:`0.9` 。
|
||
- **beta2** (float) - 第二个动量矩阵的指数衰减率。论文建议取值为 :math:`0.999` 。
|
||
- **epsilon** (float) - 添加到分母中的值，以提高数值稳定性。
|
||
- **gradient** (Tensor) - 表示梯度，shape和数据类型与 `var` 相同。
|
||
|
||
输出：
|
||
3个Tensor的tuple，已更新的参数。
|
||
|
||
- **var** (Tensor) - shape和数据类型与输入 `var` 相同。
|
||
- **m** (Tensor) - shape和数据类型与输入 `m` 相同。
|
||
- **v** (Tensor) - shape和数据类型与输入 `v` 相同的。
|
||
|
||
异常：
|
||
- **TypeError** - `use_locking` 和 `use_nesterov` 都不是bool。
|
||
- **TypeError** - `var` 、 `m` 或 `v` 不是Parameter。
|
||
- **TypeError** - `beta1_power` 、 `beta2_power1` 、 `lr` 、 `beta1` 、 `beta2` 、 `epsilon` 或 `gradient` 不是Tensor。
|