[ torch 参数更多 ]torch.optim.Adadelta

torch.optim.Adadelta

torch.optim.Adadelta(params,
             lr=1.0,
             rho=0.9,
             eps=1e-6,
             weight_decay=0,
             foreach=None,
             maximize=False,
             differentiable=False)

paddle.optimizer.Adadelta

paddle.optimizer.Adadelta(learning_rate=0.001,
                          epsilon=1e-06,
                          rho=0.95,
                          parameters=None,
                          weight_decay=None,
                          grad_clip=None,
                          name=None)

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1.0, Paddle 默认为0.001,Paddle 需保持与 Pytorch 一致。
rho rho 表示衰减速率。参数默认值不一致, Pytorch 默认为0.9, Paddle 默认为0.95,Paddle 需保持与 Pytorch 一致。
eps epsilon 保持数值稳定性的短浮点类型值,仅参数名不一致。
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。
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。