當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

Python mxnet.ndarray.op.sgd_update用法及代碼示例


用法:

mxnet.ndarray.op.sgd_update(weight=None, grad=None, lr=_Null, wd=_Null, rescale_grad=_Null, clip_gradient=_Null, lazy_update=_Null, out=None, name=None, **kwargs)

參數：

  • weight：(NDArray) - 重量
  • grad：(NDArray) - 坡度
  • lr：(float, required) - 學習率
  • wd：(float, optional, default=0) - 權重衰減通過懲罰大權重的正則化項來增強目標函數。懲罰與每個權重大小的平方成比例。
  • rescale_grad：(float, optional, default=1) - 將漸變重新縮放為 grad = rescale_grad*grad。
  • clip_gradient：(float, optional, default=-1) - 將漸變剪裁到 [-clip_gradient, clip_gradient] 的範圍內 如果clip_gradient <= 0，漸變剪裁被關閉。畢業 = 最大(最小(畢業，clip_gradient)，-clip_gradient)。
  • lazy_update：(boolean, optional, default=1) - 如果為 true，如果漸變的 stype 為 row_sparse，則應用延遲更新。
  • out：(NDArray, optional) - 輸出 NDArray 來保存結果。

返回：

out：- 此函數的輸出。

返回類型：

NDArray 或 NDArray 列表

隨機梯度下降 (SGD) 優化器的更新函數。

它使用以下方法更新權重：

weight = weight - learning_rate * (gradient + wd * weight)

但是，如果梯度為row_sparse 存儲類型且lazy_update 為True，則僅更新索引出現在grad.indices 中的行切片：

for row in gradient.indices:
    weight[row] = weight[row] - learning_rate * (gradient[row] + wd * weight[row])

相關用法


注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.ndarray.op.sgd_update。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。