NAdam

class paddle.optimizer. NAdam ( learning_rate=0.002, beta1=0.9, beta2=0.999, epsilon=1.0e-8, momentum_decay=0.004, parameters=None, weight_decay=None, grad_clip=None, name=None )

在论文 Incorporating Nesterov Momentum into Adam 中, NAdam 优化器的实现是基于 Adam 优化算法实现的。主要的改进是结合了 Nesterov 动量和 Adam 自适应学习率的优点。

其参数更新的计算公式如下:

\[\begin{split}\begin{aligned} &\textbf{for} \: t=1 \: \textbf{to} \: \ldots \: \textbf{do} \\ &\hspace{5mm} \mu_t \leftarrow \beta_1 \big(1 - \frac{1}{2} \rho ^{t \psi} \big) \\ &\hspace{5mm} \mu_{t+1} \leftarrow \beta_1 \big(1 - \frac{1}{2} 0.96 ^{(t+1)\psi}\big)\\ &\hspace{5mm}m_t \leftarrow \beta_1 m_{t-1} + (1 - \beta_1) g_t \\ &\hspace{5mm}v_t \leftarrow \beta_2 v_{t-1} + (1-\beta_2) g^2_t \\ &\hspace{5mm}\widehat{m_t} \leftarrow \mu_{t+1} m_t/(1-\prod_{i=1}^{t+1}\mu_i) + (1-\mu_t) g_t /(1-\prod_{i=1}^{t} \mu_{i}) \\ &\hspace{5mm}\widehat{v_t} \leftarrow v_t/\big(1-\beta_2^t \big) \\ &\hspace{5mm}\theta_t \leftarrow \theta_t - \gamma \widehat{m_t}/ \big(\sqrt{\widehat{v_t}} + \epsilon \big) \\ &\hspace{0mm} \text{ with: } \gamma_t \text{ (lr)}, \: \beta_1,\beta_2 \text{ (betas)}, \: \theta_0 \text{ (params)}, \: f(\theta) \text{ (objective)} \\ &\hspace{0mm} \: \lambda \text{ (weight decay)}, \:\psi \text{ (momentum decay)} \\ \end{aligned}\end{split}\]

参数

  • learning_rate (float|LRScheduler,可选) - 学习率,用于参数更新的计算。可以是一个浮点型值或者一个 LRScheduler 类。默认值为 0.002。

  • parameters (list,可选) - 指定优化器需要优化的参数。在动态图模式下必须提供该参数;在静态图模式下默认值为 None,这时所有的参数都将被优化。

  • beta1 (float,可选) - 一阶矩估计的指数衰减率,默认值为 0.9。

  • beta2 (float,可选) - 二阶矩估计的指数衰减率,默认值为 0.999。

  • epsilon (float,可选) - 保持数值稳定性的短浮点类型值,默认值为 1e-08。

  • weight_decay (float|Tensor,可选) - 正则化方法。可以是 float 类型或者 Tensor。默认值为 None,表示没有正则化。

  • momentum_decay (float,可选): 动量衰减率。默认值为 0.004.

  • grad_clip (GradientClipBase,可选) – 梯度裁剪的策略,支持三种裁剪策略:paddle.nn.ClipGradByGlobalNormpaddle.nn.ClipGradByNormpaddle.nn.ClipGradByValue 。默认值为 None,此时将不进行梯度裁剪。

  • name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。

注解

目前 NAdam 不支持 Sparse Parameter Optimization(稀疏参数优化)。

代码示例

COPY-FROM: paddle.optimizer.NAdam

方法

step()

注解

该 API 只在 Dygraph 模式下生效。

执行一次优化器并进行参数更新。

返回

无。

代码示例

COPY-FROM: paddle.optimizer.NAdam.step

minimize(loss, startup_program=None, parameters=None, no_grad_set=None)

为网络添加反向计算过程,并根据反向计算所得的梯度,更新 parameters 中的 Parameters,最小化网络损失值 loss。

参数

  • loss (Tensor) - 需要最小化的损失值变量。

  • startup_program (Program,可选) - 用于初始化 parameters 中参数的 Program,默认值为 None,此时将使用 default_startup_program

  • parameters (list,可选) - 待更新的 Parameter 或者 Parameter.name 组成的列表,默认值为 None,此时将更新所有的 Parameter。

  • no_grad_set (set,可选) - 不需要更新的 Parameter 或者 Parameter.name 组成集合,默认值为 None。

返回

tuple(optimize_ops, params_grads),其中 optimize_ops 为参数优化 OP 列表;param_grads 为由(param, param_grad)组成的列表,其中 param 和 param_grad 分别为参数和参数的梯度。在静态图模式下,该返回值可以加入到 Executor.run() 接口的 fetch_list 参数中,若加入,则会重写 use_prune 参数为 True,并根据 feedfetch_list 进行剪枝,详见 Executor 的文档。

代码示例

COPY-FROM: paddle.optimizer.NAdam.minimize

clear_grad()

注解

该 API 只在 Dygraph 模式下生效。

清除需要优化的参数的梯度。

代码示例

COPY-FROM: paddle.optimizer.NAdam.clear_grad

set_lr(value)

注解

该 API 只在 Dygraph 模式下生效。

手动设置当前 optimizer 的学习率。当使用_LRScheduler 时,无法使用该 API 手动设置学习率,因为这将导致冲突。

参数

value (float) - 需要设置的学习率的值。

返回

无。

代码示例

COPY-FROM: paddle.optimizer.NAdam.set_lr

set_lr_scheduler(scheduler)

注解

该 API 只在 Dygraph 模式下生效。

手动设置当前 optimizer 的学习率为 LRScheduler 类。

参数

scheduler (LRScheduler) - 需要设置的学习率的 LRScheduler 类。

返回

无。

代码示例

COPY-FROM: paddle.optimizer.NAdam.set_lr_scheduler

get_lr()

注解

该 API 只在 Dygraph 模式下生效。

获取当前步骤的学习率。当不使用_LRScheduler 时,每次调用的返回值都相同,否则返回当前步骤的学习率。

返回

float,当前步骤的学习率。

代码示例

COPY-FROM: paddle.optimizer.NAdam.get_lr