pytorch学习之优化器

优化器

管理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

其中:

  • 管理:哪些可学习参数需要去改变

  • 更新:采用梯度下降的方法去更新参数
    其中:梯度——一个向量,方向为方向导数取得最大值的方法

基本属性

  • defaults:优化器超参数
  • state:参数的缓存,如momentun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():清空所有管理参数的梯度
  • step():执行一步更新
  • add_param_group():添加参数组
  • 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

1.选择优化器

optimizer = optim.SGD(net.parameters(), lr=LR, momentum=0.9) 

2.在进行反向传播前需要先将梯度清零

optimizer.zero_grad()

3.反向传播结束后,采用step()更新参数

 optimizer.step()
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值