比较与torch.optim.Rprop的差异

torch.optim.Rprop

class torch.optim.Rprop(
    params,
    lr=0.01,
    etas=(0.5, 1.2),
    step_sizes=(1e-06, 50)
)

更多内容详见torch.optim.Rprop。

mindspore.nn.Rprop

class mindspore.nn.Rprop(
    params,
    learning_rate=0.1,
    etas=(0.5, 1.2),
    step_sizes=(1e-06, 50),
    weight_decay=0.0,
)

更多内容详见mindspore.nn.Rprop。

差异对比

PyTorch和MindSpore此优化器实现算法不同，详情请参考官网公式。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	params	params	功能一致
	参数2	lr	learning_rate	功能一致，参数名及默认值不同
	参数3	etas	etas	功能一致，参数名不同
	参数4	step_sizes	step_sizes	功能一致
	参数5	-	weight_decay	PyTorch无此参数

代码示例

# MindSpore.
import mindspore
from mindspore import nn

net = nn.Dense(2, 3)
optimizer = nn.Rprop(net.trainable_params())
criterion = nn.MAELoss(reduction="mean")

def forward_fn(data, label):
    logits = net(data)
    loss = criterion(logits, label)
    return loss, logits

grad_fn = mindspore.value_and_grad(forward_fn, None, optimizer.parameters, has_aux=True)

def train_step(data, label):
    (loss, _), grads = grad_fn(data, label)
    optimizer(grads)
    return loss

# PyTorch
import torch

model = torch.nn.Linear(2, 3)
criterion = torch.nn.L1Loss(reduction='mean')
optimizer = torch.optim.Rprop(model.parameters())
def train_step(data, label):
    optimizer.zero_grad()
    output = model(data)
    loss = criterion(output, label)
    loss.backward()
    optimizer.step()