Adamax¶
- class torch.optim.Adamax(params, lr=0.002, betas=(0.9, 0.999), eps=1e-08, weight_decay=0, foreach=None, *, maximize=False, differentiable=False, capturable=False)[source]¶
实现 Adamax 算法(基于无穷范数的 Adam 变体)。
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) – 要优化的参数的迭代器或定义参数组的字典
eps (float, 可选) – 添加到分母的项,以提高数值稳定性(默认值:1e-8)
weight_decay (float, 可选) – 权重衰减(L2 惩罚)(默认值:0)
foreach (bool, 可选) – 是否使用优化器的 foreach 实现。如果用户未指定(因此 foreach 为 None),我们将尝试在 CUDA 上使用 foreach 而不是 for 循环实现,因为它通常在性能方面有显着提升。请注意,foreach 实现比 for 循环版本使用约 sizeof(params) 的峰值内存,因为中间结果是张量列表而不是单个张量。如果内存不足,请一次通过优化器对更少的参数进行批处理或将此标志切换为 False(默认值:None)
maximize (bool, 可选) – 相对于参数最大化目标,而不是最小化(默认值:False)
differentiable (bool, 可选) – 是否应在训练期间通过优化器步骤进行自动微分。否则,step() 函数将在 torch.no_grad() 上下文中运行。设置为 True 会损害性能,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)
capturable (bool, 可选) – 此实例是否可以在 CUDA 图中安全捕获。设置为 True 会损害未图形化的性能,因此如果您不打算图形捕获此实例,请将其保留为 False(默认值:False)
- add_param_group(param_group)¶
将参数组添加到
Optimizer
的 param_groups 中。当微调预训练网络时,这很有用,因为冻结层可以变得可训练,并随着训练的进行添加到
Optimizer
中。- 参数
param_group (dict) – 指定哪些张量应该被优化,以及特定于组的优化选项。
- load_state_dict(state_dict)¶
加载优化器状态。
- 参数
state_dict (dict) – 优化器状态。应为
state_dict()
调用返回的对象。
- register_load_state_dict_post_hook(hook, prepend=False)¶
注册一个 load_state_dict 后挂钩,该挂钩将在调用
load_state_dict()
后被调用。它应该具有以下签名hook(optimizer) -> None
optimizer
参数是正在使用的优化器实例。在调用
self
上的load_state_dict
后,挂钩将使用参数self
被调用。注册的挂钩可用于在load_state_dict
加载了state_dict
后执行后处理。- 参数
hook (Callable) – 要注册的用户定义挂钩。
prepend (bool) – 如果为 True,则提供的 post
hook
将在load_state_dict
上所有已注册的 post 挂钩之前触发。否则,提供的hook
将在所有已注册的 post 挂钩之后触发。(默认:False)
- 返回值
一个句柄,可以通过调用
handle.remove()
来删除添加的挂钩- 返回类型
torch.utils.hooks.RemoveableHandle
- register_load_state_dict_pre_hook(hook, prepend=False)¶
注册一个 load_state_dict 预挂钩,该挂钩将在调用
load_state_dict()
之前被调用。它应该具有以下签名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
的浅拷贝。挂钩可以就地修改 state_dict,也可以选择返回一个新的。如果返回了 state_dict,它将被用于加载到优化器中。在调用
self
上的load_state_dict
之前,挂钩将使用参数self
和state_dict
被调用。注册的挂钩可用于在进行load_state_dict
调用之前执行预处理。- 参数
hook (Callable) – 要注册的用户定义挂钩。
prepend (bool) – 如果为 True,则提供的 pre
hook
将在load_state_dict
上所有已注册的 pre 挂钩之前触发。否则,提供的hook
将在所有已注册的 pre 挂钩之后触发。(默认:False)
- 返回值
一个句柄,可以通过调用
handle.remove()
来删除添加的挂钩- 返回类型
torch.utils.hooks.RemoveableHandle
- register_state_dict_post_hook(hook, prepend=False)¶
注册一个 state dict 后挂钩,该挂钩将在调用
state_dict()
后被调用。它应该具有以下签名
hook(optimizer, state_dict) -> state_dict or None
在
self
上生成state_dict
后,挂钩将使用参数self
和state_dict
被调用。挂钩可以就地修改 state_dict,也可以选择返回一个新的。注册的挂钩可用于在返回之前对state_dict
执行后处理。- 参数
hook (Callable) – 要注册的用户定义挂钩。
prepend (bool) – 如果为 True,则提供的 post
hook
将在state_dict
上所有已注册的 post 挂钩之前触发。否则,提供的hook
将在所有已注册的 post 挂钩之后触发。(默认:False)
- 返回值
一个句柄,可以通过调用
handle.remove()
来删除添加的挂钩- 返回类型
torch.utils.hooks.RemoveableHandle
- register_state_dict_pre_hook(hook, prepend=False)¶
注册一个 state dict 预挂钩,该挂钩将在调用
state_dict()
之前被调用。它应该具有以下签名
hook(optimizer) -> None
optimizer
参数是正在使用的优化器实例。挂钩将使用参数self
在调用self
上的state_dict
之前被调用。注册的挂钩可用于在进行state_dict
调用之前执行预处理。- 参数
hook (Callable) – 要注册的用户定义挂钩。
prepend (bool) – 如果为 True,则提供的 pre
hook
将在state_dict
上所有已注册的 pre 挂钩之前触发。否则,提供的hook
将在所有已注册的 pre 挂钩之后触发。(默认:False)
- 返回值
一个句柄,可以通过调用
handle.remove()
来删除添加的挂钩- 返回类型
torch.utils.hooks.RemoveableHandle
- register_step_post_hook(hook)¶
注册一个优化器步后挂钩,该挂钩将在优化器步后被调用。
它应该具有以下签名
hook(optimizer, args, kwargs) -> None
optimizer
参数是正在使用的优化器实例。- 参数
hook (Callable) – 要注册的用户定义挂钩。
- 返回值
一个句柄,可以通过调用
handle.remove()
来删除添加的挂钩- 返回类型
torch.utils.hooks.RemovableHandle
- register_step_pre_hook(hook)¶
注册一个优化器步前挂钩,该挂钩将在优化器步前被调用。
它应该具有以下签名
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 被预挂钩修改,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) – 要注册的用户定义挂钩。
- 返回值
一个句柄,可以通过调用
handle.remove()
来删除添加的挂钩- 返回类型
torch.utils.hooks.RemovableHandle
- state_dict()¶
将优化器的状态作为
dict
返回。它包含两个条目
state
:一个保存当前优化状态的 Dict。其内容在优化器类之间有所不同,但一些共同特征仍然存在。例如,状态是针对每个参数保存的,并且参数本身没有被保存。
state
是一个 Dictionary,它将参数 ID 映射到一个 Dict,其中包含与每个参数相对应的状态。
param_groups
:一个包含所有参数组的 List,其中每个参数组是 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 List。
注意:参数 ID 看起来像索引,但它们只是将状态与 param_group 关联的 ID。当从 state_dict 加载时,优化器将拉链 param_group
params
(int ID)和优化器param_groups
(实际的nn.Parameter
s)以匹配状态,而无需额外的验证。返回的 state dict 可能看起来像
{ '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] }, { 'lr': 0.001, 'weight_decay': 0.5, ... 'params': [1, 2, 3] } ] }
- zero_grad(set_to_none=True)¶
重置所有已优化
torch.Tensor
s 的梯度。- 参数
set_to_none (bool) – 而不是设置为零,将梯度设置为 None。通常情况下,这会降低内存占用,并且可以适度提高性能。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进行手动操作时,None 属性或全为 0 的张量将表现出不同的行为。2. 如果用户请求
zero_grad(set_to_none=True)
后接着进行反向传播,则对于未收到梯度的参数,.grad
保证为 None。3.torch.optim
优化器在梯度为 0 或 None 时具有不同的行为(在一种情况下它使用梯度 0 进行步骤,而在另一种情况下它完全跳过步骤)。