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