operators doc: ApplyAdagradV2, GridSampler2D, GridSampler3D, PopulationCount, SparseApplyAdagrad,
SparseApplyAdagradV2, SparseApplyFtrl, Trunc, TruncateDiv, TruncateMod, UpsampleNearest3D, CTCGreedyDecoder
2022-07-19 01:38:59 +08:00
|
|
|
|
mindspore.ops.SparseApplyAdagrad
|
|
|
|
|
|
================================
|
|
|
|
|
|
|
|
|
|
|
|
.. py:class:: mindspore.ops.SparseApplyAdagrad(lr, update_slots=True, use_locking=False)
|
|
|
|
|
|
|
|
|
|
|
|
根据Adagrad算法更新相关参数。
|
|
|
|
|
|
|
|
|
|
|
|
.. math::
|
|
|
|
|
|
\begin{array}{ll} \\
|
|
|
|
|
|
accum += grad * grad \\
|
|
|
|
|
|
var -= lr * grad * \frac{1}{\sqrt{accum}}
|
|
|
|
|
|
\end{array}
|
|
|
|
|
|
|
|
|
|
|
|
`var` 、 `accum` 和 `grad` 的输入遵循隐式类型转换规则，使数据类型一致。如果它们具有不同的数据类型，则低精度数据类型将转换为相对最高精度的数据类型。
|
|
|
|
|
|
|
2022-07-28 11:58:35 +08:00
|
|
|
|
参数：
|
|
|
|
|
|
- **lr** (float) - 学习率。
|
|
|
|
|
|
- **update_slots** (bool) - 如果为True，则将更新 `accum` 。默认值：True。
|
|
|
|
|
|
- **use_locking** (bool) - 是否对参数更新加锁保护。默认值：False。
|
|
|
|
|
|
|
|
|
|
|
|
输入：
|
|
|
|
|
|
- **var** (Parameter) - 要更新的变量。为任意维度，其数据类型为float16或float32。
|
|
|
|
|
|
- **accum** (Parameter) - 要更新的累积。shape和数据类型必须与 `var` 相同。
|
|
|
|
|
|
- **grad** (Tensor) - 梯度，为一个Tensor。shape和数据类型必须与 `var` 相同，且需要满足 :math:`grad.shape[1:] = var.shape[1:] if var.shape > 1`。
|
|
|
|
|
|
- **indices** (Tensor) - `var` 和 `accum` 第一维度的索引向量，数据类型为int32，且需要保证 :math:`indices.shape[0] = grad.shape[0]`。
|
|
|
|
|
|
|
|
|
|
|
|
输出：
|
|
|
|
|
|
2个Tensor组成的tuple，更新后的参数。
|
|
|
|
|
|
|
|
|
|
|
|
- **var** (Tensor) - shape和数据类型与 `var` 相同。
|
|
|
|
|
|
- **accum** (Tensor) - shape和数据类型与 `accum` 相同。
|
|
|
|
|
|
|
|
|
|
|
|
异常：
|
|
|
|
|
|
- **TypeError** - 如果 `lr` 不是float类型。
|
|
|
|
|
|
- **TypeError** - 如果 `update_slots` 或者 `use_locking` 不是布尔值。
|
|
|
|
|
|
- **TypeError** - 如果 `var` 、 `accum` 、 `lr` 或 `grad` 的数据类型既不是float16也不是float32。
|
|
|
|
|
|
- **TypeError** - 如果 `indices` 的数据类型不是int32。
|
|
|
|
|
|
- **RuntimeError** - 如果 `var` 、 `accum` 和 `grad` 不支持数据类型转换。
|
