ParamAttr

class paddle. ParamAttr ( name=None, initializer=None, learning_rate=1.0, regularizer=None, trainable=True, do_model_average=False, need_clip=True ) [源代码]

注解

该类中的 gradient_clip 属性在2.0版本会废弃，推荐使用need_clip来设置梯度裁剪范围，并在初始化 optimizer 时设置梯度裁剪。 共有三种裁剪策略： api_paddle_nn_ClipGradByGlobalNorm 、api_paddle_nn_ClipGradByNorm 、 api_paddle_nn_ClipGradByValue 。

创建一个参数属性对象，用户可设置参数的名称、初始化方式、学习率、正则化规则、是否需要训练、梯度裁剪方式、是否做模型平均等属性。

参数:

  • name (str，可选) - 参数的名称。默认值为None，表示框架自动创建参数的名称。

  • initializer (Initializer，可选) - 参数的初始化方式。默认值为None，表示权重参数采用Xavier初始化方式，偏置参数采用全0初始化方式。

  • learning_rate (float，可选) - 参数的学习率。实际参数的学习率等于全局学习率乘以参数的学习率，再乘以learning rate schedule的系数。

  • regularizer (WeightDecayRegularizer，可选) - 正则化方法。支持两种正则化策略: api_paddle_regularizer_L1Decay 、 api_paddle_regularizer_L2Decay ，如果在 optimizer (例如 api_paddle_optimizer_SGD ) 中也 设置了正则化，optimizer 中的正则化将被忽略。默认值为None，表示没有正则化。

  • trainable (bool，可选) - 参数是否需要训练。默认值为True，表示需要训练。

  • do_model_average (bool，可选) - 是否做模型平均。默认值为True。仅在 ExponentialMovingAverage 下使用。

  • need_clip (bool，可选) - 参数是否需要进行梯度裁剪。默认值为True，表示该参数的梯度会根据优化器中设置的裁剪规则进行裁剪。

返回: 表示参数属性的对象。

代码示例

  1. import paddle
  3. weight_attr = paddle.ParamAttr(name="weight",
  4.                                learning_rate=0.5,
  5.                                regularizer=paddle.regularizer.L2Decay(1.0),
  6.                                trainable=True)
  7. print(weight_attr.name) # "weight"
  8. paddle.nn.Linear(3, 4, weight_attr=weight_attr)

使用本API的教程文档