[ torch 参数更多 ]torch.optim.Adagrad

torch.optim.Adagrad

torch.optim.Adagrad(params,
             lr=1e-2,
             lr_decay=0,
             weight_decay=0,
             initial_accumulator_value=0,
             eps=1e-10,
             foreach=None,
             maximize=False,
             differentiable=False)

paddle.optimizer.Adagrad

paddle.optimizer.Adagrad(learning_rate,
                          epsilon=1e-06,
                          parameters=None,
                          weight_decay=None,
                          grad_clip=None,
                          name=None,
                          initial_accumulator_value=0.0)

PyTorch 相比 Paddle 支持更多其他参数，具体如下：

参数映射

PyTorch PaddlePaddle 备注
params parameters 表示指定优化器需要优化的参数，仅参数名不一致。
lr learning_rate 学习率，用于参数更新的计算。参数默认值不一致, PyTorch 默认为1e-2， Paddle 为必选参数，Paddle 需保持与 PyTorch 一致。
lr_decay - 学习率衰减系数。Paddle 无此参数，暂无转写方式。
weight_decay weight_decay 表示权重衰减系数，参数默认值不一致, PyTorch 默认为0， Paddle 默认为None，Paddle 需保持与 PyTorch 一致。
initial_accumulator_value initial_accumulator_value 表示 moment 累加器的初始值，参数完全一致。
eps epsilon 保持数值稳定性的短浮点类型值，参数默认值不一致, PyTorch 默认为1e-10， Paddle 为1e-6，Paddle 需保持与 PyTorch 一致。
foreach - 是否使用优化器的 foreach 实现。Paddle 无此参数，一般对网络训练结果影响不大，可直接删除。
maximize - 根据目标最大化参数，而不是最小化。Paddle 无此参数，暂无转写方式。
differentiable - 是否应通过训练中的优化器步骤进行自动微分。Paddle 无此参数，一般对网络训练结果影响不大，可直接删除。
- grad_clip 梯度裁剪的策略。 PyTorch 无此参数，Paddle 保持默认即可。