RAdam

class paddle.optimizer. RAdam ( learning_rate=0.001, beta1=0.9, beta2=0.999, epsilon=1.0e-8, parameters=None, weight_decay=None, grad_clip=None, name=None ) 

在论文 On the Variance of the Adaptive Learning Rate and Beyond 中， RAdam 优化器的实现是基于 Adam 优化算法实现的。RAdam 通过修改 Adam 的动量项，提高了训练的初始稳定性。

其参数更新的计算公式如下：

$\begin{split}\begin{aligned} &\textbf{for} \: t=1 \: \textbf{to} \: \ldots \: \textbf{do} \\ &\hspace{6mm}m_t \leftarrow \beta_1 m_{t-1} + (1 - \beta_1) g_t \\ &\hspace{6mm}v_t \leftarrow \beta_2 v_{t-1} + (1-\beta_2) g^2_t \\ &\hspace{6mm}\widehat{m_t} \leftarrow m_t/\big(1-\beta_1^t \big) \\ &\hspace{6mm}\rho_t \leftarrow \rho_{\infty} - 2 t \beta^t_2 /\big(1-\beta_2^t \big) \\ &\hspace{6mm}\textbf{if} \: \rho_t > 5 \\ &\hspace{12mm} l_t \leftarrow \frac{\sqrt{ (1-\beta^t_2) }}{ \sqrt{v_t} +\epsilon } \\ &\hspace{12mm} r_t \leftarrow \sqrt{\frac{(\rho_t-4)(\rho_t-2)\rho_{\infty}}{(\rho_{\infty}-4)(\rho_{\infty}-2) \rho_t}} \\ &\hspace{12mm}\theta_t \leftarrow \theta_t - \gamma \widehat{m_t} r_t l_t \\ &\hspace{6mm}\textbf{else} \\ &\hspace{12mm}\theta_t \leftarrow \theta_t - \gamma \widehat{m_t} \\ &\hspace{0mm} \text{ with: } \gamma_t \text{ (lr)}, \: \beta_1,\beta_2 \text{ (betas)}, \: \theta_t \text{ (params)} \\ &\hspace{0mm} \rho_{\infty} \leftarrow 2/(1-\beta_2) -1 \end{aligned}\end{split}$

参数

learning_rate (float|LRScheduler，可选) - 学习率，用于参数更新的计算。可以是一个浮点型值或者一个 LRScheduler 类。默认值为 0.001。

parameters (list，可选) - 指定优化器需要优化的参数。在动态图模式下必须提供该参数；在静态图模式下默认值为 None，这时所有的参数都将被优化。

beta1 (float，可选) - 一阶矩估计的指数衰减率，默认值为 0.9。

beta2 (float，可选) - 二阶矩估计的指数衰减率，默认值为 0.999。

epsilon (float，可选) - 保持数值稳定性的短浮点类型值，默认值为 1e-08。

weight_decay (float|Tensor，可选) - 正则化方法。可以是 float 类型或者 Tensor。默认值为 None，表示没有正则化。

grad_clip (GradientClipBase，可选) – 梯度裁剪的策略，支持三种裁剪策略：paddle.nn.ClipGradByGlobalNorm 、 paddle.nn.ClipGradByNorm 、 paddle.nn.ClipGradByValue 。默认值为 None，此时将不进行梯度裁剪。

name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

备注

目前 RAdam 不支持 Sparse Parameter Optimization（稀疏参数优化）。

代码示例

COPY-FROM: paddle.optimizer.RAdam

方法

step()

备注

该 API 只在 Dygraph 模式下生效。

执行一次优化器并进行参数更新。

返回

无。

代码示例

COPY-FROM: paddle.optimizer.RAdam.step

minimize(loss, startup_program=None, parameters=None, no_grad_set=None)

为网络添加反向计算过程，并根据反向计算所得的梯度，更新 parameters 中的 Parameters，最小化网络损失值 loss。

参数

loss (Tensor) - 需要最小化的损失值变量。

startup_program (Program，可选) - 用于初始化 parameters 中参数的 Program，默认值为 None，此时将使用 default_startup_program。

parameters (list，可选) - 待更新的 Parameter 或者 Parameter.name 组成的列表，默认值为 None，此时将更新所有的 Parameter。

no_grad_set (set，可选) - 不需要更新的 Parameter 或者 Parameter.name 组成集合，默认值为 None。

返回

tuple(optimize_ops, params_grads)，其中 optimize_ops 为参数优化 OP 列表；param_grads 为由(param, param_grad)组成的列表，其中 param 和 param_grad 分别为参数和参数的梯度。在静态图模式下，该返回值可以加入到 Executor.run() 接口的 fetch_list 参数中，若加入，则会重写 use_prune 参数为 True，并根据 feed 和 fetch_list 进行剪枝，详见 Executor 的文档。

代码示例

COPY-FROM: paddle.optimizer.RAdam.minimize

clear_grad()

备注

该 API 只在 Dygraph 模式下生效。

清除需要优化的参数的梯度。

代码示例

COPY-FROM: paddle.optimizer.RAdam.clear_grad

set_lr(value)

备注

该 API 只在 Dygraph 模式下生效。

手动设置当前 optimizer 的学习率。当使用_LRScheduler 时，无法使用该 API 手动设置学习率，因为这将导致冲突。

参数

value (float) - 需要设置的学习率的值。

返回

无。

代码示例

COPY-FROM: paddle.optimizer.RAdam.set_lr

set_lr_scheduler(scheduler)

备注

该 API 只在 Dygraph 模式下生效。

手动设置当前 optimizer 的学习率为 LRScheduler 类。

参数

scheduler (LRScheduler) - 需要设置的学习率的 LRScheduler 类。

返回

无。

代码示例

COPY-FROM: paddle.optimizer.RAdam.set_lr_scheduler

get_lr()

备注

该 API 只在 Dygraph 模式下生效。

获取当前步骤的学习率。当不使用_LRScheduler 时，每次调用的返回值都相同，否则返回当前步骤的学习率。

返回

float，当前步骤的学习率。

代码示例

COPY-FROM: paddle.optimizer.RAdam.get_lr