FtrlOptimizer

  • class paddle.fluid.optimizer.FtrlOptimizer(learning_rate, l1=0.0, l2=0.0, lr_power=-0.5, regularization=None, name=None)[源代码]

该接口实现FTRL (Follow The Regularized Leader) Optimizer.

FTRL 原始论文: ( https://www.eecs.tufts.edu/~dsculley/papers/ad-click-prediction.pdf)

FtrlOptimizer - 图1

  • 参数:
    • learning_rate (float|Variable)- 全局学习率。
    • l1 (float，可选) - L1 regularization strength，默认值0.0。
    • l2 (float，可选) - L2 regularization strength，默认值0.0。
    • lr_power (float，可选) - 学习率降低指数，默认值-0.5。
    • regularization - 正则化器，例如 fluid.regularizer.L2DecayRegularizer 。
    • name (str, 可选) - 可选的名称前缀，一般无需设置，默认值为None。
  • 抛出异常：
    • ValueError - 如果 learning_rate , rho , epsilon , momentum 为 None.

代码示例

  1. import paddle
  2. import paddle.fluid as fluid
  3. import numpy as np
  4.  
  5. place = fluid.CPUPlace()
  6. main = fluid.Program()
  7. with fluid.program_guard(main):
  8.     x = fluid.layers.data(name='x', shape=[13], dtype='float32')
  9.     y = fluid.layers.data(name='y', shape=[1], dtype='float32')
  10.     y_predict = fluid.layers.fc(input=x, size=1, act=None)
  11.     cost = fluid.layers.square_error_cost(input=y_predict, label=y)
  12.     avg_cost = fluid.layers.mean(cost)
  13.  
  14.     ftrl_optimizer = fluid.optimizer.Ftrl(learning_rate=0.1)
  15.     ftrl_optimizer.minimize(avg_cost)
  16.  
  17.     fetch_list = [avg_cost]
  18.     train_reader = paddle.batch(
  19.         paddle.dataset.uci_housing.train(), batch_size=1)
  20.     feeder = fluid.DataFeeder(place=place, feed_list=[x, y])
  21.     exe = fluid.Executor(place)
  22.     exe.run(fluid.default_startup_program())
  23.     for data in train_reader():
  24.         exe.run(main, feed=feeder.feed(data), fetch_list=fetch_list)

注意：目前, FtrlOptimizer 不支持 sparse parameter optimization。

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

通过更新parameter_list来添加操作，进而使损失最小化。

该算子相当于backward()和apply_gradients()功能的合体。

  • 参数：
    • loss (Variable) – 用于优化过程的损失值变量
    • startup_program (Program) – 用于初始化在parameter_list中参数的startup_program
    • parameter_list (list) – 待更新的Variables组成的列表
    • no_grad_set (set|None) – 应该被无视的Variables集合
    • grad_clip (GradClipBase|None) – 梯度裁剪的策略

返回： (optimize_ops, params_grads)，数据类型为(list, list)，其中optimize_ops是minimize接口为网络添加的OP列表，params_grads是一个由(param, grad)变量对组成的列表，param是Parameter，grad是该Parameter对应的梯度值

返回类型： tuple