Optimizer¶
- class paddle.optimizer. Optimizer ( learning_rate, parameters=None, weight_decay=None, grad_clip=None, name=None ) ¶
优化器的基类。
参数¶
learning_rate (float|_LRSeduler) - 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|tuple，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。
weight_decay (float|WeightDecayRegularizer，可选) - 正则化方法。可以是 float 类型的 L2 正则化系数或者正则化策略：L1Decay 、 L2Decay。如果一个参数已经在 ParamAttr 中设置了正则化，这里的正则化设置将被忽略； 如果没有在 ParamAttr 中设置正则化，这里的设置才会生效。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。
代码示例¶
COPY-FROM: paddle.optimizer.Optimizer
方法¶
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 组成的集合，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.Optimizer.minimize
set_lr(value)¶
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.Optimizer.set_lr
set_lr_scheduler(scheduler)¶
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.Optimizer.set_lr_scheduler