mindspore.ops.ApplyMomentum

class mindspore.ops.ApplyMomentum(use_nesterov=False, use_locking=False, gradient_scale=1.0)[源代码]

使用动量算法的优化器。

更多详细信息，请参阅论文 On the importance of initialization and momentum in deep learning 。

输入的 variable 、 accumulation 和 gradient 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。

有关公式和用法的更多详细信息，请参阅 mindspore.nn.Momentum 。

参数：

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

  • use_nesterov (bool) - 是否使用nesterov动量。默认值：False。

  • gradient_scale (float) - 梯度的缩放比例。默认值：1.0。

输入：

  • variable (Parameter) - 要更新的权重。数据类型必须为float。

  • accumulation (Parameter) - 按动量权重计算的累积梯度值，数据类型与 variable 相同。

  • learning_rate (Union[Number, Tensor]) - 学习率，必须是float或为float数据类型的Scalar的Tensor。

  • gradient (Tensor) - 梯度，数据类型与 variable 相同。

  • momentum (Union[Number, Tensor]) - 动量，必须是float或为float数据类型的Scalar的Tensor。

输出：

Tensor，更新后的参数。

异常：

  • TypeError - 如果 use_locking 或 use_nesterov 不是bool，或 gradient_scale 不是float。

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

支持平台：

Ascend GPU CPU

样例：

Please refer to the usage in mindspore.nn.Momentum.