# traingda
具有自适应学习率反向传播的梯度下降
函数库: TyDeepLearning
# 语法
opt = traingda(params, lr)
# 说明
opt = traingda(params, lr)设定网络优化函数为具有自适应学习率反向传播的梯度下降。
# 示例
创建具有自适应学习率反向传播的梯度下降优化函数
创建网络。
using TyDeepLearning
set_backend(:mindspore)
net = SequentialCell([
fullyConnectedLayer(1,10),
fullyConnectedLayer(10,1)
])
设定优化函数。
opt = traingda(net.trainable_params(), 0.1)
PyObject SGD<>
# 输入参数
net-网络权重参数网络对象
必须是 Parameter 组成的列表或字典组成的列表。
lr-学习率标量
float - 固定的学习率。必须大于等于零。
int - 固定的学习率。必须大于等于零。整数类型会被转换为浮点数。
数据类型： float16 |float32 |float64 |Int64
# 输出参数
opt-具有自适应学习率反向传播的梯度下降优化器优化器函数
具有自适应学习率反向传播的梯度下降优化器。
# 另请参阅
SequentialCell | traincgb | traingdx | trainbfg | trainrp