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.SparseApplyProximalAdagrad

class mindspore.ops.SparseApplyProximalAdagrad(use_locking=False)

根据Proximal Adagrad算法更新网络参数。与 mindspore.ops.ApplyProximalAdagrad 相比，增加了一个索引Tensor。

$$\begin{array}{r}\begin{array}{l}\\ accum+=grad\ast grad\\ \text{prox\_v}=var-lr\ast grad\ast \frac{1}{\sqrt{accum}}\\ var=\frac{sign(\text{prox\_v})}{1+lr\ast l2}\ast max(\left|\text{prox\_v}\right|-lr\ast l1,0)\end{array}\end{array}$$

var 、 accum 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。

参数：

• use_locking (bool) - 如果为 True ，则将保护 var 和 accum 参数不被更新。默认值： False 。

输入：

• var (Parameter) - 公式中的"var"。数据类型必须为float16或float32。shape为 $(N,\ast )$ ，其中 $\ast$ 表示任何附加维度。

• accum (Parameter) - 公式中的"accum"，与 var 的shape相同。

• lr (Union[Number, Tensor]) - 学习率，必须为float或为Tensor，其数据类型为float16或float32。必须大于零。

• l1 (Union[Number, Tensor]) - l1正则化，必须为float或为Tensor，其数据类型为float16或float32。必须大于等于零。

• l2 (Union[Number, Tensor]) - l2正则化，必须为float或为Tensor，其数据类型为float16或float32。必须大于等于零。

• grad (Tensor) - 梯度。如果 var 的shape大于1，那么 $grad.shape[1:]=var.shape[1:]$ 。

• indices (Tensor) - var 和 accum 第一维度中的索引。如果 indices 中存在重复项，则无意义。数据类型必须是int32、int64和 $indices.shape[0]=grad.shape[0]$ 。

输出：

两个Tensor组成的tuple，更新后的参数。

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

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

异常：

• TypeError - 如果 use_locking 不是bool。

• TypeError - 如果 var 、 accum 、 lr 、 l1 、 l2 或 grad 的数据类型既不是float16也不是float32。

• TypeError - 如果 indices 的数据类型既不是int32也不是int64。

• ValueError - 如果 lr <= 0 或者 l1 < 0 或者 l2 < 0。

• RuntimeError - 如果不支持参数的 var 、 accum 和 grad 数据类型转换。

支持平台：

Ascend GPU

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.sparse_apply_proximal_adagrad = ops.SparseApplyProximalAdagrad()
...         self.var = Parameter(Tensor(np.array([[4.1, 7.2], [1.1, 3.0]], np.float32)), name="var")
...         self.accum = Parameter(Tensor(np.array([[0, 0], [0, 0]], np.float32)), name="accum")
...         self.lr = 1.0
...         self.l1 = 1.0
...         self.l2 = 0.0
...     def construct(self, grad, indices):
...         out = self.sparse_apply_proximal_adagrad(self.var, self.accum, self.lr, self.l1,
...                                                  self.l2, grad, indices)
...         return out
...
>>> net = Net()
>>> grad = Tensor(np.array([[1, 1], [1, 1]], np.float32))
>>> indices = Tensor(np.array([0, 1], np.int32))
>>> output = net(grad, indices)
>>> print(output)
(Tensor(shape=[2, 2], dtype=Float32, value=
[[ 2.09999990e+00,  5.19999981e+00],
 [ 0.00000000e+00,  1.00000000e+00]]), Tensor(shape=[2, 2], dtype=Float32, value=
[[ 1.00000000e+00,  1.00000000e+00],
 [ 1.00000000e+00,  1.00000000e+00]]))