forked from mindspore-Ecosystem/mindspore
43 lines
2.1 KiB
ReStructuredText
43 lines
2.1 KiB
ReStructuredText
mindspore.ops.ApplyAdagradV2
|
||
============================
|
||
|
||
.. py:class:: mindspore.ops.ApplyAdagradV2(epsilon, update_slots=True)
|
||
|
||
根据Adagrad算法更新相关参数。
|
||
|
||
Adagrad算法在论文 `Adaptive Subgradient Methods for Online Learning and Stochastic Optimization <http://www.jmlr.org/papers/volume12/duchi11a/duchi11a.pdf>`_ 中提出。
|
||
|
||
.. math::
|
||
\begin{array}{ll} \\
|
||
accum += grad * grad \\
|
||
var -= lr * grad * \frac{1}{\sqrt{accum} + \epsilon}
|
||
\end{array}
|
||
|
||
其中 :math:`\epsilon` 表示 `epsilon` 。
|
||
|
||
`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。
|
||
|
||
.. note::
|
||
`ApplyAdagradV2` 与 `ApplyAdagrad` 不同点在于 `ApplyAdagradV2` 多一个较小的常量值 :math:`\epsilon` 。
|
||
|
||
参数：
|
||
- **epsilon** (float) - 添加到分母上的较小值，以确保数值的稳定性。
|
||
- **update_slots** (bool) - 如果为True，则将更新 `accum` 。默认值：True。
|
||
|
||
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。
|
||
- **lr** (Union[Number, Tensor]) - 学习率，必须是float或具有float16或float32数据类型的Scalar的Tensor。
|
||
- **grad** (Tensor) - 梯度，为一个Tensor。shape和数据类型必须与 `var` 相同。
|
||
|
||
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 `var` 、 `accum` 、 `lr` 或 `grad` 的数据类型既不是float16也不是float32。
|
||
- **TypeError** - 如果 `lr` 既不是数值型也不是Tensor。
|
||
- **RuntimeError** - 如果 `var` 、 `accum` 和 `grad` 不支持数据类型转换。
|