ParamAttr

ParamAttr

class paddle.fluid.ParamAttr(name=None, initializer=None, learning_rate=1.0, regularizer=None, trainable=True, do_model_average=False)[源代码]

注解

该类中的 gradient_clip 属性在2.0版本会废弃，推荐在初始化 optimizer 时设置梯度裁剪。共有三种裁剪策略： GradientClipByGlobalNorm 、 GradientClipByNorm 、 GradientClipByValue 。

创建一个参数属性对象，用户可设置参数的名称、初始化方式、学习率、正则化规则、是否需要训练、梯度裁剪方式、是否做模型平均等属性。

参数

name (str，可选) - 参数的名称。默认值为None，表示框架自动创建参数的名称。
initializer (Initializer，可选) - 参数的初始化方式。默认值为None，表示权重参数采用Xavier初始化方式，偏置参数采用全0初始化方式。
learning_rate (float) - 参数的学习率。实际参数的学习率等于全局学习率乘以参数的学习率，再乘以learning rate schedule的系数。
regularizer (WeightDecayRegularizer，可选) - 正则化方法。支持两种正则化策略: L1Decay 、 L2Decay ，如果在 optimizer (例如 SGDOptimizer ) 中也设置了正则化，optimizer 中的正则化将被忽略。默认值为None，表示没有正则化。
trainable (bool) - 参数是否需要训练。默认值为True，表示需要训练。
do_model_average (bool) - 是否做模型平均。默认值为False，表示不做模型平均。

表示参数属性的对象。

返回类型

ParamAttr

代码示例

import paddle.fluid as fluid
w_param_attrs = fluid.ParamAttr(name="fc_weight",
                                learning_rate=0.5,
                                regularizer=fluid.regularizer.L2Decay(1.0),
                                trainable=True)
print(w_param_attrs.name) # "fc_weight"
x = fluid.layers.data(name='X', shape=[1], dtype='float32')
y_predict = fluid.layers.fc(input=x, size=10, param_attr=w_param_attrs)