MomentumOptimizer

    该接口实现含有速度状态的Simple Momentum 优化器

    该优化器含有牛顿动量标志，公式更新如下：

    参数：

    • learning_rate (float|Variable) - 学习率，用于参数更新。作为数据参数，可以是浮点型值或含有一个浮点型值的变量。

    • momentum (float) - 动量因子。

    • parameter_list (list, 可选) - 指定优化器需要优化的参数。在动态图模式下必须提供该参数；在静态图模式下默认值为None，这时所有的参数都将被优化。

    • regularization (WeightDecayRegularizer，可选) - 正则化方法。支持两种正则化策略: 、 L2Decay 。如果一个参数已经在 中设置了正则化，这里的正则化设置将被忽略； 如果没有在 ParamAttr 中设置正则化，这里的设置才会生效。默认值为None，表示没有正则化。

    • grad_clip (GradientClipBase, 可选) – 梯度裁剪的策略，支持三种裁剪策略： cn_api_fluid_clip_GradientClipByGlobalNorm 、 cn_api_fluid_clip_GradientClipByNorm 、 cn_api_fluid_clip_GradientClipByValue 。 默认值为None，此时将不进行梯度裁剪。

    • name (str, 可选) - 可选的名称前缀，一般无需设置，默认值为None。

    代码示例：

    minimize ( loss, startup_program=None, parameter_list=None, no_grad_set=None )

    参数：

    • startup_program (Program, 可选) – 用于初始化parameter_list中参数的 , 默认值为None，此时将使用 default_startup_program

    • parameter_list (list, 可选) – 待更新的Parameter或者Parameter.name组成的列表， 默认值为None，此时将更新所有的Parameter

    • no_grad_set (set, 可选) – 不需要更新的Parameter或者Parameter.name组成的集合，默认值为None

    返回: tuple(optimize_ops, params_grads)，其中optimize_ops为参数优化OP列表；param_grads为由(param, param_grad)组成的列表，其中param和param_grad分别为参数和参数的梯度。该返回值可以加入到 Executor.run() 接口的 fetch_list 参数中，若加入，则会重写 参数为True，并根据 feed 和 fetch_list 进行剪枝，详见 Executor 的文档。

    返回类型： tuple

    代码示例：

    ( )

    注意：

    清除需要优化的参数的梯度。

    代码示例

    注意：

    手动设置当前 optimizer 的学习率。当使用LearningRateDecay时，无法使用该API手动设置学习率，因为这将导致冲突。

    参数：

    value (float|Variable) - 需要设置的学习率的值。

    返回：无

    代码示例

    current_step_lr ( )

    注意：

    获取当前步骤的学习率。当不使用LearningRateDecay时，每次调用的返回值都相同，否则返回当前步骤的学习率。

    返回：当前步骤的学习率。

    返回类型：float