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.ApplyPowerSign

class mindspore.ops.ApplyPowerSign

根据AddSign算法更新相关参数。

AddSign算法可参阅论文 Neural Optimizer Search with Reinforcement Learning 。

$$\begin{array}{r}\begin{array}{l}\\ m_{t+1}=\beta \ast m_t+(1-\beta )\ast g\\ \text{update}=\exp (\text{logbase}\ast \text{sign\_decay}\ast sign(g)\ast sign(m))\ast g\\ var=var-l{r}_{t+1}\ast \text{update}\end{array}\end{array}$$

$t$ 表示更新步数，而 $m$ 为一阶矩， $m_t$ 是上一步的 $m_{t+1}$ ， $lr$ 表示 lr ， $g$ 表示 grad ， $\beta$ 表示 beta 。

所有输入都遵循隐式类型转换规则，以使数据类型一致。如果 lr 、 logbase 、 sign_decay 或 beta 是数值型，则会自动转换为Tensor，数据类型与操作中涉及的Tensor的数据类型一致。如果输入是Tensor，并且具有不同的数据类型，则低精度数据类型将转换为最高精度的数据类型。

说明

目前Ascend平台上暂未开放对float64数据类型的支持。

输入：

• var (Parameter) - 要更新的变量。数据类型为float64、float32或float16。如果 var 的数据类型为float16，则所有输入的数据类型必须与 var 相同。shape： $(N,\ast )$ ，其中 $\ast$ 表示任意数量的附加维度。

• m (Parameter) - 要更新的变量，shape与 var 相同。

• lr (Union[Number, Tensor]) - 学习率，应该是Scalar或Tensor，数据类型为float64、float32或float16。

• logbase (Union[Number, Tensor]) - 应该是Scalar或Tensor，数据类型为float64、float32或float16。

• sign_decay (Union[Number, Tensor]) - 应该是Scalar或Tensor，数据类型为float64、float32或float16。

• beta (Union[Number, Tensor]) - 指数衰减率，应该是Scalar或Tensor，数据类型为float64、float32或float16。

• grad (Tensor) - 梯度，shape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。

• m (Tensor) - shape和数据类型与 m 相同。

异常：

• TypeError - 如果 var 、 lr 、 logbase 、 sign_decay 、 beta 或 grad 的数据类型不是float16、float32或者float64。

• TypeError - 如果 lr 、 logbase 、 sign_decay 或 beta 既不是数值型也不是Tensor。

• TypeError - 如果 grad 不是Tensor。

• TypeError - 如果 lr 、 logbase 、 sign_decay 和 grad 不支持数据类型转换。

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_power_sign = ops.ApplyPowerSign()
...         self.var = Parameter(Tensor(np.array([[0.6, 0.4],
...                                               [0.1, 0.5]]).astype(np.float32)), name="var")
...         self.m = Parameter(Tensor(np.array([[0.6, 0.5],
...                                             [0.2, 0.6]]).astype(np.float32)), name="m")
...         self.lr = 0.001
...         self.logbase = np.e
...         self.sign_decay = 0.99
...         self.beta = 0.9
...     def construct(self, grad):
...         out = self.apply_power_sign(self.var, self.m, self.lr, self.logbase,
...                                        self.sign_decay, self.beta, grad)
...         return out
...
>>> net = Net()
>>> grad = Tensor(np.array([[0.3, 0.7], [0.1, 0.8]]).astype(np.float32))
>>> output = net(grad)
>>> print(output)
(Tensor(shape=[2, 2], dtype=Float32, value=
[[ 5.95575690e-01,  3.89676481e-01],
 [ 9.85252112e-02,  4.88201708e-01]]), Tensor(shape=[2, 2], dtype=Float32, value=
[[ 5.70000052e-01,  5.19999981e-01],
 [ 1.89999998e-01,  6.20000064e-01]]))