[ torch 参数更多 ]torch.optim.Adamax

torch.optim.Adamax

torch.optim.Adamax(params,
                lr=0.002,
                betas=(0.9, 0.999),
                eps=1e-08,
                weight_decay=0,
                foreach=None,
                maximize=False,
                differentiable=False)

paddle.optimizer.Adamax

paddle.optimizer.Adamax(learning_rate=0.001,
                        beta1=0.9,
                        beta2=0.999,
                        epsilon=1e-08,
                        parameters=None,
                        weight_decay=None,
                        grad_clip=None,
                        name=None)

PyTorch 相比 Paddle 支持更多其他参数，具体如下：

参数映射

PyTorch PaddlePaddle 备注
params parameters 表示指定优化器需要优化的参数，仅参数名不一致。
lr learning_rate 学习率，用于参数更新的计算。参数默认值不一致, PyTorch 默认为0.002，PyTorch 默认为0.001，Paddle 需保持与 PyTorch 一致。
betas beta1、beta2 一阶矩估计的指数衰减率。PyTorch 为元祖形式，Paddle 为分开的两个参数。默认值分别一致。
eps epsilon 保持数值稳定性的短浮点类型值，参数默认值不一致, PyTorch 默认为1e-10， Paddle 为1e-6，Paddle 需保持与 PyTorch 一致。
weight_decay weight_decay 表示权重衰减系数，参数默认值不一致, PyTorch 默认为0， Paddle 默认为None，Paddle 需保持与 PyTorch 一致。
foreach - 是否使用优化器的 foreach 实现。Paddle 无此参数，一般对网络训练结果影响不大，可直接删除。
maximize - 根据目标最大化参数，而不是最小化。Paddle 无此参数，暂无转写方式。
differentiable - 是否应通过训练中的优化器步骤进行自动微分。Paddle 无此参数，一般对网络训练结果影响不大，可直接删除。
- grad_clip 梯度裁剪的策略。 PyTorch 无此参数，Paddle 保持默认即可。