Adadelta

class torch.optim.Adadelta(params, lr=1.0, rho=0.9, eps=1e-06, weight_decay=0, foreach=None, *, maximize=False, differentiable=False) [source]

Реализует алгоритм Adadelta.

$$\begin{aligned} &\rule{110mm}{0.4pt} \\ &\textbf{входные данные} : \gamma \text{ (lr)}, \: \theta_0 \text{ (params)}, \: f(\theta) \text{ (objective)}, \: \rho \text{ (decay)}, \: \lambda \text{ (weight decay)} \\ &\textbf{инициализация} : v_0 \leftarrow 0 \: \text{ (квадратный средний)}, \: u_0 \leftarrow 0 \: \text{ (накопление переменных)} \\[-1.ex] &\rule{110mm}{0.4pt} \\ &\textbf{для} \: t=1 \: \textbf{до} \: \ldots \: \textbf{сделать} \\ &\hspace{5mm}g_t \leftarrow \nabla_{\theta} f_t (\theta_{t-1}) \\ &\hspace{5mm}if \: \lambda \neq 0 \\ &\hspace{10mm} g_t \leftarrow g_t + \lambda \theta_{t-1} \\ &\hspace{5mm} v_t \leftarrow v_{t-1} \rho + g^2_t (1 - \rho) \\ &\hspace{5mm}\Delta x_t \leftarrow \frac{\sqrt{u_{t-1} + \epsilon }}{ \sqrt{v_t + \epsilon} }g_t \hspace{21mm} \\ &\hspace{5mm} u_t \leftarrow u_{t-1} \rho + \Delta x^2_t (1 - \rho) \\ &\hspace{5mm}\theta_t \leftarrow \theta_{t-1} - \gamma \Delta x_t \\ &\rule{110mm}{0.4pt} \\[-1.ex] &\bf{возвратить} \: \theta_t \\[-1.ex] &\rule{110mm}{0.4pt} \\[-1.ex] \end{aligned}$$

Для более подробной информации об алгоритме мы обращаемся к ADADELTA: An Adaptive Learning Rate Method.

Параметры

• params (iterable) – итерируемый список параметров для оптимизации или словари, определяющие группы параметров
• rho (float, необязательно) – коэффициент, используемый для вычисления скользящего среднего квадратов градиентов (по умолчанию: 0.9)
• eps (float, необязательно) – член, добавляемый в знаменатель для повышения числовой устойчивости (по умолчанию: 1e-6)
• lr (float, необязательно) – коэффициент, масштабирующий delta перед применением к параметрам (по умолчанию: 1.0)
• weight_decay (float, необязательно) – weight decay (L2 penalty) (по умолчанию: 0)
• foreach (bool, необязательно) – используется ли реализация foreach оптимизатора. Если пользователь не указывает (т.е. foreach равно None), мы будем пытаться использовать foreach над реализацией for-цикла на CUDA, так как она обычно значительно производительнее. Обратите внимание, что реализация foreach использует ~ sizeof(params) больше пиковой памяти, чем версия for-цикла, из-за того, что промежуточные значения являются списком тензоров, а не просто одним тензором. Если память ограничена, передавайте меньшее количество параметров через оптимизатор или установите этот флаг в False (по умолчанию: None)
• maximize (bool, необязательно) – максимизировать параметры на основе цели, а не минимизировать (по умолчанию: False)
• differentiable (bool, необязательно) – должна ли выполняться autograd через шаг оптимизатора во время обучения. В противном случае функция step() выполняется в контексте torch.no_grad(). Установка в True может ухудшить производительность, поэтому оставьте False, если вы не планируете выполнять autograd через этот экземпляр (по умолчанию: False)

add_param_group(param_group)

Добавляет группу параметров к оптимизаторам.

Это может быть полезно при донастройке предварительно обученной сети, поскольку замороженные слои могут быть сделаны обучаемыми и добавлены к оптимизатору по мере прогресса обучения.

Параметры

param_group (dict) – Указывает, какие тензоры должны быть оптимизированы вместе со специфичными для группы параметрами оптимизации.

load_state_dict(state_dict)

Загружает состояние оптимизатора.

Параметры

state_dict (dict) – состояние оптимизатора. Должно быть объектом, возвращенным в результате вызова state_dict().

register_load_state_dict_post_hook(hook, prepend=False)

Регистрирует пост-обработчик load_state_dict, который будет вызываться после вызова load_state_dict(). Он должен иметь следующий вид:

hook(optimizer) -> None

Аргумент optimizer — это экземпляр оптимизатора, используемый в данный момент.

Обработчик будет вызван с аргументом self после вызова load_state_dict для self. Зарегистрированный обработчик может использоваться для выполнения пост-обработки после того, как load_state_dict загрузил state_dict.

Параметры

• hook (Callable) – Пользовательский обработчик для регистрации.
• prepend (bool) – Если True, предоставленный пост-обработчик будет запущен до всех уже зарегистрированных пост-обработчиков для load_state_dict. В противном случае предоставленный пост-обработчик будет запущен после всех уже зарегистрированных пост-обработчиков. (по умолчанию: False)

Возвращает

дескриптор, который может использоваться для удаления добавленного обработчика, вызвав handle.remove()

Тип возвращаемого значения

torch.utils.hooks.RemoveableHandle

register_load_state_dict_pre_hook(hook, prepend=False)

Регистрирует пре-обработчик load_state_dict, который будет вызван до вызова load_state_dict(). Он должен иметь следующий вид:

hook(optimizer, state_dict) -> state_dict or None

Аргумент optimizer — это экземпляр оптимизатора, используемый в данный момент, а аргумент state_dict — это поверхностная копия state_dict , которую пользователь передал в load_state_dict . Обработчик может изменять state_dict на месте или по желанию вернуть новый. Если возвращается state_dict, он будет использован для загрузки в оптимизатор.

Обработчик будет вызван с аргументами self и state_dict до вызова load_state_dict для self. Зарегистрированный обработчик можно использовать для выполнения предварительной обработки перед выполнением вызова load_state_dict.

Параметры

• hook (Callable) – Пользовательский обработчик для регистрации.
• prepend (bool) – Если True, предоставленный пре-обработчик будет запущен до всех уже зарегистрированных пре-обработчиков для load_state_dict. В противном случае предоставленный пре-обработчик будет запущен после всех уже зарегистрированных пре-обработчиков. (по умолчанию: False)

Возвращает

дескриптор, который может использоваться для удаления добавленного обработчика, вызвав handle.remove()

Тип возвращаемого значения

torch.utils.hooks.RemoveableHandle

register_state_dict_post_hook(hook, prepend=False)

Регистрирует пост-обработчик state_dict, который будет вызван после вызова state_dict(). Он должен иметь следующий вид:

hook(optimizer, state_dict) -> state_dict or None

Обработчик будет вызван с аргументами self и state_dict после генерации state_dict для self. Обработчик может изменять state_dict на месте или по желанию вернуть новый. Зарегистрированный обработчик можно использовать для выполнения пост-обработки state_dict перед возвращением.

Параметры

• hook (Callable) – Пользовательский обработчик для регистрации.
• prepend (bool) – Если True, предоставленный пост-обработчик будет запущен до всех уже зарегистрированных пост-обработчиков для state_dict. В противном случае предоставленный пост-обработчик будет запущен после всех уже зарегистрированных пост-обработчиков. (по умолчанию: False)

Возвращает

дескриптор, который может использоваться для удаления добавленного обработчика, вызвав handle.remove()

Тип возвращаемого значения

torch.utils.hooks.RemoveableHandle

register_state_dict_pre_hook(hook, prepend=False)

Регистрирует пре-обработчик state_dict, который будет вызван до вызова state_dict(). Он должен иметь следующий вид:

hook(optimizer) -> None

Аргумент optimizer — это экземпляр оптимизатора, используемый в данный момент. Обработчик будет вызван с аргументом self до вызова state_dict для self. Зарегистрированный обработчик можно использовать для выполнения предварительной обработки перед вызовом state_dict.

Параметры

• hook (Callable) – Пользовательский обработчик для регистрации.
• prepend (bool) – Если True, предоставленный пре-обработчик будет запущен до всех уже зарегистрированных пре-обработчиков для state_dict. В противном случае предоставленный пре-обработчик будет запущен после всех уже зарегистрированных пре-обработчиков. (по умолчанию: False)

Возвращает

дескриптор, который может использоваться для удаления добавленного обработчика, вызвав handle.remove()

Тип возвращаемого значения

torch.utils.hooks.RemoveableHandle

register_step_post_hook(hook)

Регистрирует пост-обработчик шага оптимизатора, который будет вызван после шага оптимизатора. Он должен иметь следующий вид:

hook(optimizer, args, kwargs) -> None

Аргумент optimizer — это экземпляр оптимизатора, используемый в данный момент.

Параметры

hook (Callable) – Пользовательский обработчик для регистрации.

Возвращает

дескриптор, который может использоваться для удаления добавленного обработчика, вызвав handle.remove()

Тип возвращаемого значения

torch.utils.hooks.RemovableHandle

register_step_pre_hook(hook)

Регистрирует пре-обработчик шага оптимизатора, который будет вызван перед шагом оптимизатора. Он должен иметь следующий вид:

hook(optimizer, args, kwargs) -> None or modified args and kwargs

Аргумент optimizer — это экземпляр оптимизатора, используемый в данный момент. Если args и kwargs изменяются пре-обработчиком, то преобразованные значения возвращаются как кортеж, содержащий new_args и new_kwargs.

Параметры

hook (Callable) – Пользовательский обработчик для регистрации.

Возвращает

дескриптор, который может использоваться для удаления добавленного обработчика, вызвав handle.remove()

Тип возвращаемого значения

torch.utils.hooks.RemovableHandle

state_dict()

Возвращает состояние оптимизатора в виде dict.

Он содержит две записи:

• state: a Dict holding current optimization state. Its content

  отличается в зависимости от классов оптимизаторов, но некоторые общие черты сохраняются. Например, состояние сохраняется для каждого параметра, а сам параметр НЕ сохраняется. state — это словарь, отображающий идентификаторы параметров на словарь со состоянием, соответствующим каждому параметру.

• param_groups: a List containing all parameter groups where each

  группа параметров — это словарь. Каждая группа параметров содержит метаданные, специфичные для оптимизатора, такие как скорость обучения и сглаживание весов, а также список идентификаторов параметров параметров в группе.

ПРИМЕЧАНИЕ: Идентификаторы параметров могут выглядеть как индексы, но они являются просто идентификаторами, связывающими состояние с param_group. При загрузке из state_dict оптимизатор свяжет param_group params (целочисленные идентификаторы) и оптимизатор param_groups (фактические nn.Parameter ) для соответствия состоянию БЕЗ дополнительной проверки.

Возвращаемый state_dict может выглядеть примерно так:

{
    '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]
        }
    ]
}

Тип возвращаемого значения

Dict[str, Any]

step(closure=None) [source]

Выполняет один шаг оптимизации.

Параметры

closure (Callable, optional) – Замкнутая функция, которая повторно оценивает модель и возвращает потерю.

zero_grad(set_to_none=True)

Сбрасывает градиенты всех оптимизируемых torch.Tensor.

Параметры

set_to_none (bool) – вместо сброса в ноль, установить градиенты в None. Это, как правило, снизит потребление памяти и может незначительно улучшить производительность. Однако это меняет определенное поведение. Например: 1. Когда пользователь пытается получить доступ к градиенту и выполнить ручные операции над ним, атрибут None или тензор, заполненный нулями, будет вести себя по-разному. 2. Если пользователь запросит zero_grad(set_to_none=True) за которым следует обратное распространение, градиенты для параметров, которые не получили градиент, гарантированно будут None. 3. У torch.optim оптимизаторов есть другое поведение, если градиент равен 0 или None (в одном случае он выполняет шаг с градиентом 0, а в другом пропускает шаг вообще).