Adadelta

class torch.optim.Adadelta(params, lr=1.0, rho=0.9, eps=1e-06, weight_decay=0, foreach=None, *, capturable=False, maximize=False, differentiable=False)

实现 Adadelta 算法。

$$\begin{aligned} &\rule{110mm}{0.4pt} \\ &\textbf{输入} : \gamma \text{ (学习率)}, \: \theta_0 \text{ (参数)}, \: f(\theta) \text{ (目标函数)}, \: \rho \text{ (衰减)}, \: \lambda \text{ (权重衰减)} \\ &\textbf{初始化} : v_0 \leftarrow 0 \: \text{ (平方平均)}, \: u_0 \leftarrow 0 \: \text{ (累积量)} \\[-1.ex] &\rule{110mm}{0.4pt} \\ &\textbf{对于} \: t=1 \: \textbf{至} \: \ldots \: \textbf{执行} \\ &\hspace{5mm}g_t \leftarrow \nabla_{\theta} f_t (\theta_{t-1}) \\ &\hspace{5mm}if \: \lambda \neq 0 \\ &\hspace{10mm} g_t \leftarrow g_t + \lambda \theta_{t-1} \\ &\hspace{5mm} v_t \leftarrow v_{t-1} \rho + g^2_t (1 - \rho) \\ &\hspace{5mm}\Delta x_t \leftarrow \frac{\sqrt{u_{t-1} + \epsilon }}{ \sqrt{v_t + \epsilon} }g_t \hspace{21mm} \\ &\hspace{5mm} u_t \leftarrow u_{t-1} \rho + \Delta x^2_t (1 - \rho) \\ &\hspace{5mm}\theta_t \leftarrow \theta_{t-1} - \gamma \Delta x_t \\ &\rule{110mm}{0.4pt} \\[-1.ex] &\bf{返回} \: \theta_t \\[-1.ex] &\rule{110mm}{0.4pt} \\[-1.ex] \end{aligned}$$

关于该算法的更多详细信息，请参阅ADADELTA：一种自适应学习率方法。

参数

• params (iterable) – 要优化的参数或具名参数（named_parameters）的可迭代对象，或者是定义参数组的字典的可迭代对象。使用具名参数时，所有参数组中的所有参数都应具有名称。

• lr (float, Tensor, optional) – 在应用于参数之前缩放 delta 的系数（默认值：1.0）。

• rho (float, optional) – 用于计算平方梯度移动平均的系数（默认值：0.9）。rho 值越高，平均速度越慢，这有助于防止学习过程中的振荡。

• eps (float, optional) – 添加到分母中的项，用于提高数值稳定性（默认值：1e-6）。

• weight_decay (float, optional) – 权重衰减（L2惩罚）（默认值：0）。

• foreach (bool, optional) – 是否使用优化器的 foreach 实现。如果用户未指定（即 foreach 为 None），在 CUDA 上我们将尝试使用 foreach 而非 for 循环实现，因为其性能通常显著更高。请注意，由于中间结果是一个张量列表（tensorlist）而非单个张量，foreach 实现会比 for 循环版本多占用大约 sizeof(params) 的峰值内存。如果内存限制较大，可以每次通过优化器处理较少的参数，或者将此标志设置为 False（默认值：None）。

• capturable (bool, optional) – 此实例是否可以在 CUDA 图中安全捕获。设置为 True 可能会影响非图模式下的性能，因此如果您不打算进行图捕获，请将其保留为 False（默认值：False）。

• maximize (bool, optional) – 相对于参数最大化目标函数，而不是最小化（默认值：False）。

• differentiable (bool, optional) – 训练过程中是否应通过优化器步进（step）进行自动微分（autograd）。否则，step() 函数将在 torch.no_grad() 上下文中运行。设置为 True 可能会影响性能，因此如果您不打算通过此实例运行自动微分，请将其保留为 False（默认值：False）。

add_param_group(param_group)

向 Optimizer 的 param_groups 添加一个参数组。

这在对预训练网络进行微调时非常有用，因为可以将冻结层设为可训练，并随着训练的进行将其添加到 Optimizer 中。

参数

param_group (dict) – 指定应优化的张量以及组特定的优化选项。

load_state_dict(state_dict)

加载优化器状态。

参数

state_dict (dict) – 优化器状态。应该是一个通过调用 state_dict() 返回的对象。

注意

参数的名称（如果它们存在于 state_dict() 中每个参数组的“param_names”键下）不会影响加载过程。对于自定义情况（例如加载的状态字典中的参数与优化器中初始化的参数不同）使用参数名称时，应实现自定义的 register_load_state_dict_pre_hook 以相应地调整加载的字典。如果加载的状态字典 param_groups 中存在 param_names，它们将被保存并覆盖优化器状态中当前存在的名称（如果存在）。如果它们在加载的状态字典中不存在，优化器的 param_names 将保持不变。

register_load_state_dict_post_hook(hook, prepend=False)

注册一个 load_state_dict 后置钩子，该钩子将在调用 load_state_dict() 之后被调用。它应具有以下签名：

hook(optimizer) -> None

optimizer 参数是正在使用的优化器实例。

钩子将在对 self 调用 load_state_dict 后，以参数 self 调用。注册的钩子可用于在 load_state_dict 加载 state_dict 后执行后处理。

参数

• hook (Callable) – 要注册的用户定义钩子。

• prepend (bool) – 如果为 True，则提供的后置 hook 将在所有已注册的 load_state_dict 后置钩子之前触发。否则，提供的 hook 将在所有已注册的后置钩子之后触发。（默认值：False）

返回

一个句柄，可以通过调用 handle.remove() 来移除添加的钩子。

返回类型

torch.utils.hooks.RemoveableHandle

register_load_state_dict_pre_hook(hook, prepend=False)

注册一个 load_state_dict 前置钩子，该钩子将在调用 load_state_dict() 之前被调用。它应具有以下签名：

hook(optimizer, state_dict) -> state_dict or None

optimizer 参数是正在使用的优化器实例，state_dict 参数是用户传递给 load_state_dict 的 state_dict 的浅层副本。钩子可以就地修改 state_dict，或选择返回一个新的 state_dict。如果返回 state_dict，它将用于加载到优化器中。

钩子将在对 self 调用 load_state_dict 之前，以参数 self 和 state_dict 调用。注册的钩子可用于在进行 load_state_dict 调用之前执行预处理。

参数

• hook (Callable) – 要注册的用户定义钩子。

• prepend (bool) – 如果为 True，则提供的前置 hook 将在所有已注册的 load_state_dict 前置钩子之前触发。否则，提供的 hook 将在所有已注册的前置钩子之后触发。（默认值：False）

返回

一个句柄，可以通过调用 handle.remove() 来移除添加的钩子。

返回类型

torch.utils.hooks.RemoveableHandle

register_state_dict_post_hook(hook, prepend=False)

注册一个 state dict 后置钩子，该钩子将在调用 state_dict() 之后被调用。

它应具有以下签名：

hook(optimizer, state_dict) -> state_dict or None

钩子将在对 self 生成 state_dict 后，以参数 self 和 state_dict 调用。钩子可以就地修改 state_dict，或选择返回一个新的 state_dict。注册的钩子可用于在返回 state_dict 之前对其执行后处理。

参数

• hook (Callable) – 要注册的用户定义钩子。

• prepend (bool) – 如果为 True，则提供的后置 hook 将在所有已注册的 state_dict 后置钩子之前触发。否则，提供的 hook 将在所有已注册的后置钩子之后触发。（默认值：False）

返回

一个句柄，可以通过调用 handle.remove() 来移除添加的钩子。

返回类型

torch.utils.hooks.RemoveableHandle

register_state_dict_pre_hook(hook, prepend=False)

注册一个 state dict 前置钩子，该钩子将在调用 state_dict() 之前被调用。

它应具有以下签名：

hook(optimizer) -> None

optimizer 参数是正在使用的优化器实例。钩子将在对 self 调用 state_dict 之前，以参数 self 调用。注册的钩子可用于在进行 state_dict 调用之前执行预处理。

参数

• hook (Callable) – 要注册的用户定义钩子。

• prepend (bool) – 如果为 True，则提供的前置 hook 将在所有已注册的 state_dict 前置钩子之前触发。否则，提供的 hook 将在所有已注册的前置钩子之后触发。（默认值：False）

返回

一个句柄，可以通过调用 handle.remove() 来移除添加的钩子。

返回类型

torch.utils.hooks.RemoveableHandle

register_step_post_hook(hook)

注册一个优化器步长后置钩子，该钩子将在优化器步长后被调用。

它应具有以下签名：

hook(optimizer, args, kwargs) -> None

optimizer 参数是正在使用的优化器实例。

参数

hook (Callable) – 要注册的用户定义钩子。

返回

一个句柄，可以通过调用 handle.remove() 来移除添加的钩子。

返回类型

torch.utils.hooks.RemovableHandle

register_step_pre_hook(hook)

注册一个优化器步长前置钩子，该钩子将在优化器步长前被调用。

它应具有以下签名：

hook(optimizer, args, kwargs) -> None or modified args and kwargs

optimizer 参数是正在使用的优化器实例。如果 args 和 kwargs 被前置钩子修改，则转换后的值将作为包含 new_args 和 new_kwargs 的元组返回。

参数

hook (Callable) – 要注册的用户定义钩子。

返回

一个句柄，可以通过调用 handle.remove() 来移除添加的钩子。

返回类型

torch.utils.hooks.RemovableHandle

state_dict()

将优化器的状态以 dict 的形式返回。

它包含两个条目：

• state: 一个 Dict，保存当前的优化状态。其内容

  在不同的优化器类之间有所差异，但具有一些共同特性。例如，状态按参数保存，参数本身则不保存。state 是一个字典，将参数 ID 映射到包含每个参数对应状态的字典。

• param_groups: 一个 List，包含所有参数组，其中每个

  参数组都是一个 Dict。每个参数组包含优化器特定的元数据，例如学习率和权重衰减，以及该组中参数的参数 ID 列表。如果参数组使用 named_parameters() 初始化，则名称内容也将保存在 state dict 中。

注意：参数 ID 可能看起来像索引，但它们只是将状态与 param_group 相关联的 ID。从 state_dict 加载时，优化器将压缩 param_group 的 params（整数 ID）和优化器的 param_groups（实际的 nn.Parameter s），以便在不进行额外验证的情况下匹配状态。

返回的 state dict 可能如下所示：

{
    'state': {
        0: {'momentum_buffer': tensor(...), ...},
        1: {'momentum_buffer': tensor(...), ...},
        2: {'momentum_buffer': tensor(...), ...},
        3: {'momentum_buffer': tensor(...), ...}
    },
    'param_groups': [
        {
            'lr': 0.01,
            'weight_decay': 0,
            ...
            'params': [0]
            'param_names' ['param0']  (optional)
        },
        {
            'lr': 0.001,
            'weight_decay': 0.5,
            ...
            'params': [1, 2, 3]
            'param_names': ['param1', 'layer.weight', 'layer.bias'] (optional)
        }
    ]
}

返回类型

dict[str, Any]

step(closure=None)

执行一个优化步长。

参数

closure (Callable, optional) – 一个重新评估模型并返回损失的闭包。

zero_grad(set_to_none=True)

重置所有经过优化的 torch.Tensor 的梯度。

参数

set_to_none (bool) – 不设置为零，而是将梯度设置为 None。这通常会降低内存占用，并可适度提升性能。但是，它会改变某些行为。例如：1. 当用户尝试访问梯度并对其执行手动操作时，None 属性或全为 0 的 Tensor 会表现不同。2. 如果用户请求 zero_grad(set_to_none=True) 后执行反向传播，对于未接收到梯度的参数，.grad 保证为 None。3. torch.optim 优化器在梯度为 0 或 None 时行为不同（前者会执行梯度为 0 的步长，后者会完全跳过该步）。