代码拉取完成,页面将自动刷新
.. py:class:: mindspore.experimental.optim.SGD(params, lr, momentum=0, dampening=0, weight_decay=0.0, nesterov=False, *, maximize=False) 随机梯度下降算法。 .. math:: v_{t+1} = u \ast v_{t} + gradient \ast (1-dampening) 如果nesterov为True: .. math:: p_{t+1} = p_{t} - lr \ast (gradient + u \ast v_{t+1}) 如果nesterov为False: .. math:: p_{t+1} = p_{t} - lr \ast v_{t+1} 需要注意的是,对于训练的第一步 :math:`v_{t+1} = gradient`。其中,p、v和u分别表示 `parameters`、`accum` 和 `momentum`。 .. warning:: 这是一个实验性的优化器接口,需要和 `LRScheduler <https://www.mindspore.cn/docs/zh-CN/r2.3.0rc1/api_python/mindspore.experimental.html#lrscheduler%E7%B1%BB>`_ 下的动态学习率接口配合使用。 参数: - **params** (Union[list(Parameter), list(dict)]) - 网络参数的列表或指定了参数组的列表。 - **lr** (Union[int, float, Tensor]) - 学习率。 - **momentum** (Union[int, float], 可选) - 动量值。默认值:``0``。 - **weight_decay** (float, 可选) - 权重衰减(L2 penalty),必须大于等于0。默认值:``0.``。 - **dampening** (Union[int, float], 可选) - 动量的阻尼值。默认值:``0``。 - **nesterov** (bool, 可选) - 启用Nesterov动量。如果使用Nesterov,动量必须为正,阻尼必须等于0.0。默认值:``False``。 关键字参数: - **maximize** (bool, 可选) - 是否根据目标函数最大化网络参数。默认值:``False``。 输入: - **gradients** (tuple[Tensor]) - 网络权重的梯度。 异常: - **ValueError** - 学习率不是int、float或Tensor。 - **ValueError** - 学习率小于0。 - **ValueError** - ``momentum`` 和 ``weight_decay`` 值小于0.0。 - **ValueError** - ``momentum``, ``dampening`` 和 ``weight_decay`` 不是int或float。 - **ValueError** - ``nesterov`` 和 ``maximize`` 不是布尔类型。 - **ValueError** - ``nesterov`` 为True时, ``momentum`` 不为正或 ``dampening`` 不为0。
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。