文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.ApplyRMSProp

class mindspore.ops.ApplyRMSProp(use_locking=False)

实现均方根传播Root Mean Square prop(RMSProp)算法的优化器。请参考源码中的用法 mindspore.nn.RMSProp 。

ApplyRMSProp算法的更新公式如下所示：

$$\begin{array}{r}\begin{array}{l}\\ s_{t+1}=\rho s_t+(1-\rho )(\mathrm{\nabla }{Q}_i(w){)}^2\\ m_{t+1}=\beta m_t+\frac{\eta }{\sqrt{s_{t+1}+ϵ}}\mathrm{\nabla }{Q}_i(w)\\ w=w-m_{t+1}\end{array}\end{array}$$

其中 $w$ 代表待更新的网络参数 var 。 $s_{t+1}$ 为均方梯度 mean_square ，$s_t$ 为上一步的 $s_{t+1}$ ， $m_{t+1}$ 为 moment ， $m_t$ 为上一步的 $m_{t+1}$ 。 $\rho$ 为 decay 。 $\beta$ 为动量项 momentum 。 $ϵ$ 是避免除数为零的平滑项 epsilon 。 $\eta$ 为 learning_rate 。 $\mathrm{\nabla }{Q}_i(w)$ 代表 grad 。

警告

在该算法的稠密实现版本中，即使 grad 为零， mean_square 和 momemt 仍会被更新。但在该稀疏实现版本中，当 grad 为零时， mean_squre 和 moment 将不会被更新。

参数：

• use_locking (bool，可选) - 是否对参数更新加锁保护。默认值: False 。

输入：

• var (Parameter) - 待更新的网络参数。

• mean_square (Tensor) - 均方梯度，数据类型需与 var 相同。

• moment (Tensor) - 一阶矩，数据类型需与 var 相同。

• learning_rate (Union[Number, Tensor]) - 学习率，需为浮点数或者数据类型为float16或float32的标量矩阵。

• grad (Tensor) - 梯度，数据类型需与 var 相同。

• decay (float) - 衰减率，需为常量。

• momentum (float) - 移动平均的动量项momentum，需为常量。

• epsilon (float) - 避免除数为零的平滑项，需为常量。

输出：

Tensor，待更新的网络参数。

异常：

• TypeError - use_locking 不是bool类型。

• TypeError - var 、 mean_square 、 moment 或 decay 不是Tensor。

• TypeError - learning_rate 不是数值也不是Tensor。

• TypeError - decay 、 momentum 或 epsilon 的数据类型非float。

• TypeError - learning_rate 的数据类型不是float16或float32。

• ValueError - decay 、 momentum 或 epsilon 不是常量。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, nn, ops, Parameter
>>> class Net(nn.Cell):
...     def __init__(self):
...         super(Net, self).__init__()
...         self.apply_rms_prop = ops.ApplyRMSProp()
...         self.var = Parameter(Tensor(np.ones([2, 2]).astype(np.float32)), name="var")
...
...     def construct(self, mean_square, moment, grad, decay, momentum, epsilon, lr):
...         out = self.apply_rms_prop(self.var, mean_square, moment, lr, grad, decay, momentum, epsilon)
...         return out
...
>>> net = Net()
>>> mean_square = Tensor(np.ones([2, 2]).astype(np.float32))
>>> moment = Tensor(np.ones([2, 2]).astype(np.float32))
>>> grad = Tensor(np.ones([2, 2]).astype(np.float32))
>>> output = net(mean_square, moment, grad, 0.0, 1e-10, 0.001, 0.01)
>>> print(net.var.asnumpy())
[[0.990005  0.990005]
 [0.990005  0.990005]]