知识卡片
优化器接口分离更新
把参数更新放进独立优化器,可将模型的前向、反向计算与更新规则分开。书中优化器通过 update(params, grads) 接收参数和梯度列表,并假定相同索引一一对应;替换更新算法时,模型不必重写自己的层计算。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 神经网络的复习 · 查看原书依据
假定 params 和 grads 在相同索引处分别保存了对应的参数和梯度。
参考来源
- 位置:《深度学习进阶:自然语言处理》第1章《神经网络的复习》1.3.6(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0006_split_003.html)
- 结论依据:正文定义通用更新接口及参数梯度的索引对应,并将 SGD 实现为独立类。
- 原始内容:假定 params 和 grads 在相同索引处分别保存了对应的参数和梯度。