快捷方式

Adam

class torch.optim.Adam(params, lr=0.001, betas=(0.9, 0.999), eps=1e-08, weight_decay=0, amsgrad=False, *, foreach=None, maximize=False, capturable=False, differentiable=False, fused=None, decoupled_weight_decay=False)[source][source]

实现了 Adam 算法。

input:γ (lr),β1,β2 (betas),θ0 (params),f(θ) (objective)λ (weight decay),amsgrad,maximize,ϵ (epsilon)initialize:m00 ( first moment),v00 (second moment),v0max0fort=1todoifmaximize:gtθft(θt1)elsegtθft(θt1)ifλ0gtgt+λθt1mtβ1mt1+(1β1)gtvtβ2vt1+(1β2)gt2mt^mt/(1β1t)ifamsgradvtmaxmax(vt1max,vt)vt^vtmax/(1β2t)elsevt^vt/(1β2t)θtθt1γmt^/(vt^+ϵ)returnθt\begin{aligned} &\rule{110mm}{0.4pt} \\ &\textbf{input} : \gamma \text{ (lr)}, \beta_1, \beta_2 \text{ (betas)},\theta_0 \text{ (params)},f(\theta) \text{ (objective)} \\ &\hspace{13mm} \lambda \text{ (weight decay)}, \: \textit{amsgrad}, \:\textit{maximize}, \: \epsilon \text{ (epsilon)} \\ &\textbf{initialize} : m_0 \leftarrow 0 \text{ ( first moment)}, v_0\leftarrow 0 \text{ (second moment)},\: v_0^{max}\leftarrow 0 \\[-1.ex] &\rule{110mm}{0.4pt} \\ &\textbf{for} \: t=1 \: \textbf{to} \: \ldots \: \textbf{do} \\ &\hspace{5mm}\textbf{if} \: \textit{maximize}: \\ &\hspace{10mm}g_t \leftarrow -\nabla_{\theta} f_t (\theta_{t-1}) \\ &\hspace{5mm}\textbf{else} \\ &\hspace{10mm}g_t \leftarrow \nabla_{\theta} f_t (\theta_{t-1}) \\ &\hspace{5mm}\textbf{if} \: \lambda \neq 0 \\ &\hspace{10mm} g_t \leftarrow g_t + \lambda \theta_{t-1} \\ &\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 m_t/\big(1-\beta_1^t \big) \\ &\hspace{5mm}\textbf{if} \: amsgrad \\ &\hspace{10mm} v_t^{max} \leftarrow \mathrm{max}(v_{t-1}^{max},v_t) \\ &\hspace{10mm}\widehat{v_t} \leftarrow v_t^{max}/\big(1-\beta_2^t \big) \\ &\hspace{5mm}\textbf{else} \\ &\hspace{10mm}\widehat{v_t} \leftarrow v_t/\big(1-\beta_2^t \big) \\ &\hspace{5mm}\theta_t \leftarrow \theta_{t-1} - \gamma \widehat{m_t}/ \big(\sqrt{\widehat{v_t}} + \epsilon \big) \\ &\rule{110mm}{0.4pt} \\[-1.ex] &\bf{return} \: \theta_t \\[-1.ex] &\rule{110mm}{0.4pt} \\[-1.ex] \end{aligned}

有关该算法的更多详细信息,请参阅 Adam: A Method for Stochastic Optimization

参数
  • params (iterable) – 要优化的参数的可迭代对象或命名参数的可迭代对象,或定义参数组的字典的可迭代对象。使用命名参数时,所有组中的所有参数都应命名

  • lr (float, Tensor, optional) – 学习率(默认值:1e-3)。并非所有实现都支持 Tensor 类型的学习率。如果您未同时指定 fused=True 或 capturable=True,请使用浮点数类型的学习率。

  • betas (Tuple[float, float], optional) – 用于计算梯度及其平方的运行平均值的系数(默认值:(0.9, 0.999))

  • eps (float, optional) – 添加到分母中以提高数值稳定性的项(默认值:1e-8)

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

  • decoupled_weight_decay (bool, optional) – 如果为 True,则此优化器等同于 AdamW,并且算法不会在动量或方差中累积权重衰减。(默认值:False)

  • amsgrad (bool, optional) – 是否使用来自论文 On the Convergence of Adam and Beyond 的 AMSGrad 变体算法(默认值:False)

  • 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),我们将在 CUDA 上尝试使用 foreach 而非 for 循环实现,因为它通常性能显著更高。请注意,foreach 实现比 for 循环实现使用大约 sizeof(params) 更多的峰值内存,因为中间结果是 TensorList 而不是单个 Tensor。如果内存受限,请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)

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

  • capturable (bool, optional) – 此实例是否可以安全地在 CUDA 图中捕获。传递 True 可能会损害未图化时的性能,因此如果您不打算捕获此实例的图,请将其保留为 False(默认值:False)

  • differentiable (bool, optional) – 训练中是否通过优化器 step 发生自动求导。否则,step() 函数将在 torch.no_grad() 上下文中运行。设置为 True 可能会损害性能,因此如果您不打算通过此实例运行自动求导,请将其保留为 False(默认值:False)

  • fused (bool, optional) – 是否使用融合实现。目前支持 torch.float64torch.float32torch.float16torch.bfloat16。(默认值:None)

注意

foreach 和 fused 实现通常比 for 循环的单 Tensor 实现更快,其中 fused 实现理论上在垂直和水平融合方面是最快的。因此,如果用户未指定任何标志(即 foreach = fused = None 时),当所有 Tensor 都在 CUDA 上时,我们将尝试默认使用 foreach 实现。为什么不使用 fused?由于 fused 实现相对较新,我们希望给予其足够的验证时间。要指定 fused,请为 fused 传递 True。要强制运行 for 循环实现,请为 foreach 或 fused 传递 False。

注意

MPS 版本的 Adam 和 AdamW 原型实现支持 torch.float32torch.float16

add_param_group(param_group)[source]

Optimizerparam_groups 添加参数组。

这在微调预训练网络时非常有用,因为冻结层可以变得可训练,并在训练过程中添加到 Optimizer 中。

参数

param_group (dict) – 指定应优化哪些 Tensor 以及组特定的优化选项。

load_state_dict(state_dict)[source]

加载优化器状态。

参数

state_dict (dict) – 优化器状态。应为调用 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。要在自定义情况下使用参数名称(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时),应实现自定义 register_load_state_dict_pre_hook 以相应地调整加载的字典。如果在加载的状态字典的 param_groups 中存在 param_names,它们将被保存并覆盖优化器状态中(如果存在)当前的名称。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)[source]

注册一个 load_state_dict 后置钩子,它将在调用 load_state_dict() 后调用。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。

调用 self 上的 load_state_dict 后,将以参数 self 调用此钩子。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) – 要注册的用户定义的钩子。

  • prepend (bool) – 如果为 True,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)[source]

注册一个 load_state_dict 前置钩子,它将在调用 load_state_dict() 之前调用。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,或者选择返回一个新的 state_dict。如果返回 state_dict,它将被用于加载到优化器中。

在对 self 调用 load_state_dict 之前,将以参数 selfstate_dict 调用此钩子。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) – 要注册的用户定义的钩子。

  • prepend (bool) – 如果为 True,提供的后置 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)[source]

注册一个 state dict 后置钩子,它将在调用 state_dict() 后调用。

它应具有以下签名

hook(optimizer, state_dict) -> state_dict or None

在对 self 生成 state_dict 后,将以参数 selfstate_dict 调用此钩子。钩子可以就地修改 state_dict,或者选择返回一个新的 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) – 要注册的用户定义的钩子。

  • prepend (bool) – 如果为 True,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)[source]

注册一个 state dict 前置钩子,它将在调用 state_dict() 之前调用。

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。在对 self 调用 state_dict 之前,将以参数 self 调用此钩子。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) – 要注册的用户定义的钩子。

  • prepend (bool) – 如果为 True,提供的后置 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)[source]

注册一个优化器 step 后置钩子,它将在优化器 step 后调用。

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) – 要注册的用户定义的钩子。

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)[source]

注册一个优化器 step 前置钩子,它将在优化器 step 之前调用。

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) – 要注册的用户定义的钩子。

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()[source]

将优化器的状态返回为一个 dict

它包含两个条目

  • state: 一个 Dict,包含当前的优化状态。其内容

    在不同的优化器类之间有所不同,但存在一些共同特征。例如,状态按参数保存,而不保存参数本身。state 是一个字典,将参数 ID 映射到包含每个参数对应状态的 Dict。

  • param_groups: 一个 List,包含所有参数组,其中每个

    参数组是一个 Dict。每个参数组包含特定于优化器的元数据,例如学习率和权重衰减,以及组中参数的参数 ID 列表。如果参数组是使用 named_parameters() 初始化的,则名称内容也将保存在状态字典中。

注意:参数 ID 可能看起来像索引,但它们只是将状态与参数组关联起来的 ID。从 state_dict 加载时,优化器将把参数组 params(int ID)与优化器 param_groups(实际的 nn.Parameter)进行 zip 操作,以便匹配状态,而无需额外验证。

返回的状态字典可能看起来像这样

{
    '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)[source][source]

执行一次优化步骤。

参数

closure (Callable, optional) – 一个闭包,用于重新评估模型并返回损失。

zero_grad(set_to_none=True)[source]

重置所有优化过的 torch.Tensor 的梯度。

参数

set_to_none (bool) – 而不是设置为零,将梯度设置为 None。这通常会降低内存占用,并可适度提高性能。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 属性或充满 0 的 Tensor 的行为会不同。2. 如果用户请求 zero_grad(set_to_none=True) 后跟着一个反向传播,则未接收到梯度的参数的 .grad 将保证为 None。3. 如果梯度为 0 或 None,torch.optim 优化器会有不同的行为(在前一种情况下,它会以梯度 0 执行步骤,在后一种情况下,它会完全跳过该步骤)。

文档

访问全面的 PyTorch 开发者文档

查看文档

教程

获取面向初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并获得问题解答

查看资源