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。

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.ApplyAdadelta

class mindspore.ops.ApplyAdadelta

根据Adadelta算法更新相关参数。

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

$$\begin{array}{r}\begin{array}{l}\\ accum=\rho \ast accum+(1-\rho )\ast gra{d}^2\\ \text{update}=\sqrt{\text{accum\_update}+ϵ}\ast \frac{grad}{\sqrt{accum+ϵ}}\\ \text{accum\_update}=\rho \ast \text{accum\_update}+(1-\rho )\ast updat{e}^2\\ var-=lr\ast update\end{array}\end{array}$$

其中 $\rho$ 代表 rho ， $ϵ$ 代表 epsilon 。

var 、 accum 、 accum_update 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，则较低精度的数据类型将转换为相对最高精度的数据类型。

输入：

• var (Parameter) - 要更新的权重。数据类型为float32或float16。shape： $(N,\ast )$ ，其中 $\ast$ 表示任意数量的附加维度。

• accum (Parameter) - $\text{accum}$ 要更新的累积，shape和数据类型与 var 相同。

• accum_update (Parameter) - 更新公式中的 ${\text{accum}}_{u}pdate$ ，shape和数据类型与 var 相同。

• lr (Union[Number, Tensor]) - $\text{lr}$ 学习率，必须是Scalar。数据类型为float32或float16。

• rho (Union[Number, Tensor]) - $\rho$ 衰减率，必须是Scalar。数据类型为float32或float16。

• epsilon (Union[Number, Tensor]) - $ϵ$ 加在分母上的值，以确保数值稳定，必须是Scalar。数据类型为float32或float16。

• grad (Tensor) - 梯度，shape和数据类型与 var 相同。

输出：

3个Tensor的元组，更新后的数据。

• var (Tensor) - 与 var 相同的shape和数据类型。

• accum (Tensor)- 与 accum 相同的shape和数据类型。

• accum_update (Tensor) - 与 accum_update 相同的shape和数据类型。

异常：

• TypeError - 如果 var 、 accum 、 accum_update 、 lr 、 rho 、 epsilon 或 grad 的数据类型既不是float16也不是float32。

• TypeError - 如果 accum_update 、 lr 、 rho 或 epsilon 既不是数值型也不是Tensor。

• RuntimeError - 如果 var 、 accum 、 accum_update 和 grad 不支持数据类型转换。

支持平台：

Ascend CPU

样例：

>>> import numpy as np
>>> import mindspore
>>> from mindspore import nn, Tensor, ops, Parameter
>>> class Net(nn.Cell):
...     def __init__(self):
...         super(Net, self).__init__()
...         self.apply_adadelta = ops.ApplyAdadelta()
...         self.var = Parameter(Tensor(np.array([[0.6, 0.4],
...                                               [0.1, 0.5]]).astype(np.float32)), name="var")
...         self.accum = Parameter(Tensor(np.array([[0.6, 0.5],
...                                                 [0.2, 0.6]]).astype(np.float32)), name="accum")
...         self.accum_update = Parameter(Tensor(np.array([[0.9, 0.1],
...                                                        [0.7, 0.8]]).astype(np.float32)),
...                                                             name="accum_update")
...     def construct(self, lr, rho, epsilon, grad):
...         out = self.apply_adadelta(self.var, self.accum, self.accum_update, lr, rho, epsilon, grad)
...         return out
...
>>> net = Net()
>>> lr = Tensor(0.001, mindspore.float32)
>>> rho = Tensor(0.0, mindspore.float32)
>>> epsilon = Tensor(1e-6, mindspore.float32)
>>> grad = Tensor(np.array([[0.3, 0.7], [0.1, 0.8]]).astype(np.float32))
>>> output = net(lr, rho, epsilon, grad)
>>> print(output)
(Tensor(shape=[2, 2], dtype=Float32, value=
[[ 5.99051356e-01,  3.99683774e-01],
 [ 9.91633832e-02,  4.99105573e-01]]), Tensor(shape=[2, 2], dtype=Float32, value=
[[ 9.00000036e-02,  4.89999980e-01],
 [ 1.00000007e-02,  6.40000045e-01]]), Tensor(shape=[2, 2], dtype=Float32, value=
[[ 8.99990976e-01,  1.00000791e-01],
 [ 6.99930906e-01,  7.99999654e-01]]))