代码拉取完成,页面将自动刷新
class torch.optim.AdaMax(
params,
lr=0.002,
betas=(0.9, 0.999),
eps=1e-08,
weight_decay=0
)
更多内容详见torch.optim.AdaMax。
class mindspore.nn.AdaMax(
params,
learning_rate=0.001,
beta1=0.9,
beta2=0.999,
eps=1e-08,
weight_decay=0.0,
loss_scale=1.0
)
更多内容详见mindspore.nn.AdaMax。
PyTorch和MindSpore此优化器实现算法不同,详情请参考官网公式。
分类 | 子类 | PyTorch | MindSpore | 差异 |
---|---|---|---|---|
参数 | 参数1 | params | params | 功能一致 |
参数2 | lr | learning_rate | 功能一致,参数名及默认值不同 | |
参数3 | betas | beta1, beta2 | 功能一致,参数名不同 | |
参数4 | eps | eps | 功能一致 | |
参数5 | weight_decay | weight_decay | 功能一致 | |
参数6 | - | loss_scale | MindSpore的 loss_scale 为梯度缩放系数,PyTorch无此参数 |
# MindSpore
import mindspore
from mindspore import nn
net = nn.Dense(2, 3)
optimizer = nn.AdaMax(net.trainable_params())
criterion = nn.MAELoss(reduction="mean")
def forward_fn(data, label):
logits = net(data)
loss = criterion(logits, label)
return loss, logits
grad_fn = mindspore.value_and_grad(forward_fn, None, optimizer.parameters, has_aux=True)
def train_step(data, label):
(loss, _), grads = grad_fn(data, label)
optimizer(grads)
return loss
# PyTorch
import torch
model = torch.nn.Linear(2, 3)
criterion = torch.nn.L1Loss(reduction='mean')
optimizer = torch.optim.AdaMax(model.parameters())
def train_step(data, label):
optimizer.zero_grad()
output = model(data)
loss = criterion(output, label)
loss.backward()
optimizer.step()
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。