AdadeltaOptimizer

  • class paddle.fluid.optimizer.AdadeltaOptimizer(learning_rate, epsilon=1.0e-6, rho=0.95, regularization=None, name=None)[源代码]

注意:此接口不支持稀疏参数更新。

Adadelta优化器,具体细节可参考论文 ADADELTA: AN ADAPTIVE LEARNING RATE METHOD

更新公式如下:

AdadeltaOptimizer - 图1

  • 参数:
    • learning_rate (float|Variable) - 全局学习率。
    • epsilon (float) - 维持数值稳定性的浮点型值,默认值为1.0e-6。
    • rho (float) - 算法中的衰减率,默认值为0.95。
    • regularization (WeightDecayRegularizer,可选) - 正则化方法,例如fluid.regularizer.L2DecayRegularizer等。默认值为None,表示无正则化。
    • name (str,可选) – 具体用法请参见 Name ,一般无需设置,默认值为None。

代码示例

  1. import paddle.fluid as fluid
  2.  
  3. image = fluid.layers.data(name='image', shape=[28], dtype='float32')
  4. fc = fluid.layers.fc(image, size=10)
  5. cost = fluid.layers.reduce_mean(fc)
  6. optimizer = fluid.optimizer.AdadeltaOptimizer(
  7. learning_rate=0.0003, epsilon=1.0e-6, rho=0.95)
  8. optimizer_ops, params_grads = optimizer.minimize(cost)
  • minimize(loss, startup_program=None, parameter_list=None, no_grad_set=None, grad_clip=None)

为训练网络添加反向和参数优化部分,进而使损失最小化。

  • 参数:
    • loss (Variable) – 优化器的损失变量。
    • startup_program (Program,可选) – 参数所在的startup program。默认值为None,表示 default_startup_program
    • parameter_list (list(Variable),可选) – 待更新的参数列表。默认值为None,表示所有参数均需要更新。
    • no_grad_set (set,可选) – 无需计算梯度的变量集合。默认值为None,表示所有变量均需计算梯度。
    • grad_clip (GradClipBase,可选) – 梯度裁剪的策略,目前仅在动态图模式下有效。

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。

返回类型: tuple

代码示例

  1. import paddle.fluid as fluid
  2.  
  3. image = fluid.layers.data(name='image', shape=[28], dtype='float32')
  4. fc = fluid.layers.fc(image, size=10)
  5. cost = fluid.layers.reduce_mean(fc)
  6. optimizer = fluid.optimizer.AdadeltaOptimizer(
  7. learning_rate=0.0003, epsilon=1.0e-6, rho=0.95)
  8. optimizer_ops, params_grads = optimizer.minimize(cost)