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。

问题描述

请勾选同意隐私声明

mindspore.ops.Adam

class mindspore.ops.Adam(use_locking=False, use_nesterov=False)[源代码]

通过Adam算法更新梯度。

Adam算法详情请参考 Adam: A Method for Stochastic Optimization

有关更多详细信息,参见 mindspore.nn.Adam

更新公式如下:

m=β1m+(1β1)gv=β2v+(1β2)ggl=α1β2t1β1tw=wlmv+ϵ

其中, m 表示第一个动量矩阵, v 表示第二个动量矩阵, g 表示 gradientl 表示缩放因子 lrβ1,β2 表示 beta1beta2t 表示更新步数, beta1t(β1t)beta2t(β2t) 表示 beta1_powerbeta2_powerα 表示 learning_ratew 表示 varϵ 表示 epsilon

varmv 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。

参数:
  • use_locking (bool) - 是否对参数更新加锁保护。如果为 True ,则 wmv 的Tensor更新将受到锁的保护。如果为 False ,则结果不可预测。默认值: False

  • use_nesterov (bool) - 是否使用Nesterov Accelerated Gradient (NAG)算法更新梯度。如果为 True ,则使用NAG更新梯度。如果为 False ,则在不使用NAG的情况下更新梯度。默认值:False

输入:
  • var (Parameter) - 需更新的权重。shape: (N,) ,其中 表示任意数量的附加维度,其数据类型可以是float16或float32。

  • m (Parameter) - 更新公式中的第一个动量矩阵,shape应与 var 相同。

  • v (Parameter) - 更新公式中的第二个动量矩阵,shape应与 var 相同。

  • beta1_power (float) - 在更新公式中的 beta1t(β1t)

  • beta2_power (float) - 在更新公式中的 beta2t(β2t)

  • lr (float) - 在更新公式中的 l 。其论文建议取值为 108

  • beta1 (float) - 第一个动量矩阵的指数衰减率。论文建议取值为 0.9

  • beta2 (float) - 第二个动量矩阵的指数衰减率。论文建议取值为 0.999

  • epsilon (float) - 添加到分母中的值,以提高数值稳定性。

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

输出:

3个Tensor的tuple,已更新的参数。

  • var (Tensor) - shape和数据类型与输入 var 相同。

  • m (Tensor) - shape和数据类型与输入 m 相同。

  • v (Tensor) - shape和数据类型与输入 v 相同的。

异常:
  • TypeError - use_lockinguse_nesterov 都不是bool。

  • TypeError - varmv 不是Parameter。

  • TypeError - beta1_powerbeta2_power1lrbeta1beta2epsilongradient 不是Tensor。

支持平台:

Ascend GPU CPU

样例:

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, nn, ops
>>> from mindspore import Parameter
>>> class Net(nn.Cell):
...     def __init__(self):
...         super(Net, self).__init__()
...         self.apply_adam = ops.Adam()
...         self.var = Parameter(Tensor(np.ones([2, 2]).astype(np.float32)), name="var")
...         self.m = Parameter(Tensor(np.ones([2, 2]).astype(np.float32)), name="m")
...         self.v = Parameter(Tensor(np.ones([2, 2]).astype(np.float32)), name="v")
...     def construct(self, beta1_power, beta2_power, lr, beta1, beta2, epsilon, grad):
...         out = self.apply_adam(self.var, self.m, self.v, beta1_power, beta2_power, lr, beta1, beta2,
...                               epsilon, grad)
...         return out
...
>>> net = Net()
>>> gradient = Tensor(np.ones([2, 2]).astype(np.float32))
>>> output = net(0.9, 0.999, 0.001, 0.9, 0.999, 1e-8, gradient)
>>> print(net.var.asnumpy())
[[0.9996838 0.9996838]
 [0.9996838 0.9996838]]