我正试图使用火炬优化器优化参数值,但参数的尺度大不相同。i、 例如,一个参数的值为千,而其他参数的值介于0和1之间。例如,在这种组合的情况下,有两个参数-一个参数的最佳值为0.1,另一个参数的最佳值为20。如何修改此代码,使其对每个参数(如1e-3和0.1)应用合理的学习率
import torch as pt
# Objective function
def f(x, y):
return (10 - 100 * x) ** 2 + (y - 20) ** 2
# Optimal parameters
print("Optimal value:", f(0.1, 20))
# Initial parameters
hp = pt.Tensor([1, 10])
print("Initial value", f(*hp))
# Optimiser
hp.requires_grad = True
optimizer = pt.optim.Adam([hp])
n = 5
for i in range(n):
optimizer.zero_grad()
loss = f(*hp)
loss.backward()
optimizer.step()
hp.requires_grad = False
print("Final parameters:", hp)
print("Final value:", f(*hp))
torch.optim.Optimizer
类接受params
参数中的字典列表作为参数组。在每个字典中,您需要定义params
和用于此参数组的其他参数。如果未在字典中提供特定参数,则将使用传递给Optimizer
的原始参数。有关更多信息,请参阅official documentation以下是更新的代码:
尝试分别对第一个和第二个参数使用
{"lr": 1}
和{"lr": 2.2}
。最终值为19.9713相关问题 更多 >
编程相关推荐