|
- mindspore.nn.Adagrad
- =====================
-
- .. py:class:: mindspore.nn.Adagrad(*args, **kwargs)
-
- Adagrad算法的实现。
-
- Adagrad用于在线学习和随机优化。
- 请参阅论文 `Efficient Learning using Forward-Backward Splitting <https://proceedings.neurips.cc/paper/2009/file/621bf66ddb7c962aa0d22ac97d69b793-Paper.pdf>`_。
-
- 公式如下：
-
- .. math::
- \begin{array}{ll} \\
- &\newline
- &\hline \\
- &\textbf{Parameters}: \text{learning rate } \gamma, \: \text{ params } w_0, \:
- \: \text{ weight decay } \lambda, \\
- &\hspace{12mm} \text{ initial accumulator value } state\_sum\\
- &\textbf{Init}: state\_sum_0 \leftarrow 0 \\[-1.ex]
- &\newline
- &\hline \\
- &\textbf{for} \: t=1 \: \textbf{to} \: \ldots \: \textbf{do} \\
- &\hspace{5mm}g_t \leftarrow \nabla_{w} f_t (w_{t-1}) \\
- &\hspace{5mm} \textbf{if} \: \lambda \neq 0 \\
- &\hspace{10mm} g_t \leftarrow g_t + \lambda w_{t-1} \\
- &\hspace{5mm}state\_sum_t \leftarrow state\_sum_{t-1} + g^2_t \\
- &\hspace{5mm}w_t \leftarrow w_{t-1}- \gamma*\frac{g_t}{\sqrt{state\_sum_t} + \epsilon} \\
- &\newline
- &\hline \\
- &\bf{return} \: w_t \\[-1.ex]
- &\newline
- &\hline \\
- \end{array}
-
- :math:`state\_sum` 表示梯度平方的累积和 :math:`accum` ，:math:`g` 表示 `grads` ，:math:`\lambda` 代表 `weight_decay` 。
- :math:`\gamma` 代表 `learning_rate`，:math:`w` 代表 `params` 。
-
- .. note::
- .. include:: mindspore.nn.optim_note_weight_decay.rst
-
- **参数：**
-
- - **params** (Union[list[Parameter], list[dict]]) - 必须是 `Parameter` 组成的列表或字典组成的列表。当列表元素是字典时，字典的键可以是"params"、"lr"、"weight_decay"、"grad_centralization"和"order_params"：
-
- .. include:: mindspore.nn.optim_group_param.rst
- .. include:: mindspore.nn.optim_group_lr.rst
- .. include:: mindspore.nn.optim_group_weight_decay.rst
- .. include:: mindspore.nn.optim_group_gc.rst
- .. include:: mindspore.nn.optim_group_order.rst
-
- - **accum** (float) - 累加器 :math:`h` 的初始值，必须大于等于零。默认值：0.1。
- - **learning_rate** (Union[float, Tensor, Iterable, LearningRateSchedule]) - 默认值：0.001。
-
- .. include:: mindspore.nn.optim_arg_dynamic_lr.rst
-
- - **update_slots** (bool) - 如果为True，则更新累加器 :math:`h` 。默认值：True。
-
- .. include:: mindspore.nn.optim_arg_loss_scale.rst
-
- - **weight_decay** (Union[float, int]) - 要乘以权重的权重衰减值，必须大于等于0.0。默认值：0.0。
-
- **输入：**
-
- **grads** (tuple[Tensor]) - 优化器中 `params` 的梯度，形状（shape）与 `params` 相同。
-
- **输出：**
-
- Tensor[bool]，值为True。
-
- **异常：**
-
- - **TypeError** - `learning_rate` 不是int、float、Tensor、Iterable或 `LearningRateSchedule` 。
- - **TypeError** - `parameters` 的元素是 `Parameter` 或字典。
- - **TypeError** - `accum` 或 `loss_scale` 不是float。
- - **TypeError** - `update_slots` 不是bool。
- - **TypeError** - `weight_decay` 不是float或int。
- - **ValueError** - `loss_scale` 小于或等于0。
- - **ValueError** - `accum` 或 `weight_decay` 小于0。
|
