什么是优化器
pytorch的优化器:管理并更新模型中可学习参数的值,使得模型输出更接近真实标签。
导数:函数在指定坐标轴上的变化率。
方向导数:指定方向上的变化率
梯度:一个向量,方向为方向导数取得最大值的方向。
optimizer
class Optimizer(object):
def __init__(self, params, defaults):
self.defaults = defaults
self.state = defaultdict(dict)
self.param_groups = []
.
.
.
param_groups=[{'params': param_groups}]
defaults:优化器超参数
state: 参数的缓存,如momentum的缓存
param_groups: 管理的参数组
_step_count: 记录更新次数,学习率调整中使用
基本方法
zero_grad(): 清空所管理参数的梯度
pytorch特征:张量梯度不自动清零
class Optimizer(object):
def zero_grad(self):
for group in self.param_groups:
for p in group['params']:
if p.grad is not None:
p.grad.detach_()
p.grad.zero_()
step(): 执行一步更新
add_param_group():添加参数组
class Optimizer(object):
def add_param_group(self, param_group):
for group in self.param_groups:
param_set.update(set(group['params']))
self.param_groups.append(param_group)
state_dict():获取优化器当前状态信息字典
load_state_dict(): 加载状态信息字典
class Optimizer(object):
def state_dict(self):
return {‘state’: packed_state, ‘param_groups’: param_groups}
def load_state_dict(self, state_dict):