NAdam#
- class torch.optim.NAdam(params, lr=0.002, betas=(0.9, 0.999), eps=1e-08, weight_decay=0, momentum_decay=0.004, decoupled_weight_decay=False, *, foreach=None, maximize=False, capturable=False, differentiable=False)[source]#
實現了 NAdam 演算法。
有關該演算法的更多細節，請參閱 Incorporating Nesterov Momentum into Adam。
- 引數
params (iterable) – 要最佳化的引數或命名引數的迭代器，或者是定義引數組的字典的迭代器。使用命名引數時，所有組中的所有引數都應該命名。
betas (Tuple[float, float], optional) – 用於計算梯度及其平方的執行平均值的係數 (預設: (0.9, 0.999))
eps (float, optional) – 新增到分母中的項，以提高數值穩定性 (預設: 1e-8)
weight_decay (float, optional) – 權重衰減 (L2 懲罰) (預設: 0)
momentum_decay (float, 可選) – 動量衰減 (預設值: 4e-3)
decoupled_weight_decay (bool, 可選) – 是否像 AdamW 一樣解耦權重衰減以獲得 NAdamW。如果為 True，則演算法不會在動量或方差中累積權重衰減。(預設值: False)
foreach (bool, optional) – 是否使用最佳化器的 foreach 實現。如果使用者未指定（因此 foreach 為 None），我們會在 CUDA 上嘗試使用 foreach 而非 for-loop 實現，因為它通常效能顯著更高。請注意，foreach 實現由於中間變數是 tensorlist 而非單個 tensor，因此峰值記憶體使用量比 for-loop 版本多大約 params 的大小。如果記憶體限制嚴格，請一次處理更少的引數，或將此標誌設定為 False (預設: None)
maximize (bool, optional) – 最大化目標函式相對於 params，而不是最小化 (預設: False)
capturable (bool, optional) – 此例項是否可以安全地捕獲到圖中，用於 CUDA 圖或 torch.compile 支援。Tensors 只有在受支援的 加速器 上才可捕獲。設定為 True 可能會損害未圖捕獲時的效能，因此如果您不打算圖捕獲此例項，請將其保留為 False (預設: False)
differentiable (bool, optional) – 在訓練中，autograd 是否應該經過最佳化器步長。否則，step() 函式將在 torch.no_grad() 上下文中執行。設定為 True 可能會影響效能，因此如果您不打算透過此例項執行 autograd，請將其保留為 False (預設: False)
- add_param_group(param_group)[source]#
向
Optimizer的 param_groups 新增一個引數組。這在微調預訓練網路時可能很有用，因為隨著訓練的進行，可以使凍結的層變得可訓練並新增到
Optimizer中。- 引數
param_group (dict) – 指定哪些 Tensor 應該被最佳化，以及組特定的最佳化選項。
- load_state_dict(state_dict)[source]#
載入最佳化器狀態。
- 引數
state_dict (dict) – 最佳化器狀態。應為呼叫
state_dict()返回的物件。
警告
請確保在初始化
torch.optim.lr_scheduler.LRScheduler後呼叫此方法，因為在此之前呼叫會覆蓋載入的學習率。注意
引數的名稱（如果在 param group 的“param_names”鍵下存在於
state_dict()中）不會影響載入過程。要為自定義情況（例如，當載入的狀態字典中的引數與最佳化器中初始化的引數不同時）使用引數名稱，應實現自定義register_load_state_dict_pre_hook來相應地調整載入的字典。如果載入的狀態字典param_groups中存在param_names，它們將被儲存並覆蓋最佳化器狀態中當前的名稱（如果存在）。如果它們不存在於載入的狀態字典中，則最佳化器的param_names將保持不變。示例
>>> model = torch.nn.Linear(10, 10) >>> optim = torch.optim.SGD(model.parameters(), lr=3e-4) >>> scheduler1 = torch.optim.lr_scheduler.LinearLR( ... optim, ... start_factor=0.1, ... end_factor=1, ... total_iters=20, ... ) >>> scheduler2 = torch.optim.lr_scheduler.CosineAnnealingLR( ... optim, ... T_max=80, ... eta_min=3e-5, ... ) >>> lr = torch.optim.lr_scheduler.SequentialLR( ... optim, ... schedulers=[scheduler1, scheduler2], ... milestones=[20], ... ) >>> lr.load_state_dict(torch.load("./save_seq.pt")) >>> # now load the optimizer checkpoint after loading the LRScheduler >>> optim.load_state_dict(torch.load("./save_optim.pt"))
- register_load_state_dict_post_hook(hook, prepend=False)[source]#
註冊一個 load_state_dict 後置鉤子，它將在呼叫
load_state_dict()後被呼叫。它應該具有以下簽名：hook(optimizer) -> None
引數
optimizer是正在使用的最佳化器例項。呼叫
load_state_dict到self上後，鉤子將使用引數self呼叫。註冊的鉤子可用於在load_state_dict載入了state_dict後執行後處理。- 引數
hook (Callable) – 使用者定義的待註冊鉤子。
prepend (bool) – 如果為 True，則提供的後置
hook將在load_state_dict上所有已註冊的後置鉤子之前執行。否則，提供的hook將在所有已註冊的後置鉤子之後執行。(預設: False)
- 返回
一個控制代碼，可用於透過呼叫
handle.remove()來移除新增的鉤子- 返回型別
torch.utils.hooks.RemoveableHandle
- register_load_state_dict_pre_hook(hook, prepend=False)[source]#
註冊一個 load_state_dict 前置鉤子，它將在呼叫
load_state_dict()之前被呼叫。它應該具有以下簽名：hook(optimizer, state_dict) -> state_dict or None
引數
optimizer是正在使用的最佳化器例項，引數state_dict是使用者傳遞給load_state_dict的state_dict的淺複製。鉤子可以就地修改 state_dict，或者選擇性地返回一個新的。如果返回了 state_dict，它將被用於載入到最佳化器中。鉤子將使用引數
self和state_dict呼叫，在呼叫load_state_dict到self上之前。註冊的鉤子可用於在呼叫load_state_dict之前執行預處理。- 引數
hook (Callable) – 使用者定義的待註冊鉤子。
prepend (bool) – 如果為 True，則提供的預置
hook將在load_state_dict上所有已註冊的預置鉤子之前執行。否則，提供的hook將在所有已註冊的預置鉤子之後執行。(預設: False)
- 返回
一個控制代碼，可用於透過呼叫
handle.remove()來移除新增的鉤子- 返回型別
torch.utils.hooks.RemoveableHandle
- register_state_dict_post_hook(hook, prepend=False)[source]#
註冊一個 state_dict 後置鉤子，它將在呼叫
state_dict()後被呼叫。它應具有以下簽名
hook(optimizer, state_dict) -> state_dict or None
鉤子將使用引數
self和state_dict呼叫，在self上生成state_dict後。鉤子可以就地修改 state_dict，或者選擇性地返回一個新的。註冊的鉤子可用於在返回state_dict之前對其進行後處理。- 引數
hook (Callable) – 使用者定義的待註冊鉤子。
prepend (bool) – 如果為 True，則提供的後置
hook將在state_dict上所有已註冊的後置鉤子之前執行。否則，提供的hook將在所有已註冊的後置鉤子之後執行。(預設: False)
- 返回
一個控制代碼，可用於透過呼叫
handle.remove()來移除新增的鉤子- 返回型別
torch.utils.hooks.RemoveableHandle
- register_state_dict_pre_hook(hook, prepend=False)[source]#
註冊一個 state_dict 前置鉤子，它將在呼叫
state_dict()之前被呼叫。它應具有以下簽名
hook(optimizer) -> None
引數
optimizer是正在使用的最佳化器例項。鉤子將使用引數self呼叫，在呼叫state_dict到self上之前。註冊的鉤子可用於在呼叫state_dict之前執行預處理。- 引數
hook (Callable) – 使用者定義的待註冊鉤子。
prepend (bool) – 如果為 True，則提供的預置
hook將在state_dict上所有已註冊的預置鉤子之前執行。否則，提供的hook將在所有已註冊的預置鉤子之後執行。(預設: False)
- 返回
一個控制代碼，可用於透過呼叫
handle.remove()來移除新增的鉤子- 返回型別
torch.utils.hooks.RemoveableHandle
- register_step_post_hook(hook)[source]#
註冊一個最佳化器步驟後鉤子，它將在最佳化器步驟之後被呼叫。
它應具有以下簽名
hook(optimizer, args, kwargs) -> None
引數
optimizer是正在使用的最佳化器例項。- 引數
hook (Callable) – 使用者定義的待註冊鉤子。
- 返回
一個控制代碼，可用於透過呼叫
handle.remove()來移除新增的鉤子- 返回型別
torch.utils.hooks.RemovableHandle
- register_step_pre_hook(hook)[source]#
註冊一個最佳化器步驟預鉤子，它將在最佳化器步驟之前被呼叫。
它應具有以下簽名
hook(optimizer, args, kwargs) -> None or modified args and kwargs
引數
optimizer是正在使用的最佳化器例項。如果 args 和 kwargs 被前置鉤子修改，則轉換後的值將作為包含 new_args 和 new_kwargs 的元組返回。- 引數
hook (Callable) – 使用者定義的待註冊鉤子。
- 返回
一個控制代碼，可用於透過呼叫
handle.remove()來移除新增的鉤子- 返回型別
torch.utils.hooks.RemovableHandle
- state_dict()[source]#
將最佳化器的狀態作為
dict返回。它包含兩個條目
state：一個包含當前最佳化狀態的 Dict。其內容在不同的最佳化器類中會有所不同，但有一些共同的特點。例如，狀態是按引數儲存的，而引數本身不儲存。
state是一個對映引數 ID 到一個包含每個引數對應狀態的 Dict 的字典。
param_groups：一個包含所有引數組的 List，其中每個引數組是一個 Dict。每個引數組包含最佳化器特有的元資料，例如學習率和權重衰減，以及組中引數的 ID 列表。如果引數組使用
named_parameters()初始化，則名稱內容也會儲存在狀態字典中。
注意：引數 ID 可能看起來像索引，但它們只是將狀態與 param_group 關聯的 ID。從 state_dict 載入時，最佳化器會按順序匹配 param_group 的
params（int ID）和最佳化器的param_groups（實際的nn.Parameter），以匹配狀態，而無需額外驗證。返回的狀態字典可能看起來像
{ '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] 'param_names' ['param0'] (optional) }, { 'lr': 0.001, 'weight_decay': 0.5, ... 'params': [1, 2, 3] 'param_names': ['param1', 'layer.weight', 'layer.bias'] (optional) } ] }
- zero_grad(set_to_none=True)[source]#
重置所有最佳化過的
torch.Tensor的梯度。- 引數
set_to_none (bool, optional) –
將梯度設定為 None，而不是設定為零。預設值：
True這通常會降低記憶體佔用，並能適度提高效能。但是，它會改變某些行為。例如：
當用戶嘗試訪問梯度並對其進行手動運算時，None 屬性或全零的 Tensor 會產生不同的行為。
如果使用者請求
zero_grad(set_to_none=True)然後執行 backward，對於未收到梯度的引數，其.grad保證為 None。torch.optim最佳化器在梯度為 0 或 None 時行為不同（一種情況是以 0 梯度執行步長，另一種情況是跳過該步長）。
