Optimizer (Reti Neurali): differenze tra le versioni
Nessun oggetto della modifica |
Nessun oggetto della modifica |
||
| Riga 6: | Riga 6: | ||
* Stochastic Gradient Descent (SGD) | * Stochastic Gradient Descent (SGD) | ||
=== Implementazione in PyTorch === | |||
In [[PyTorch]] loss.backward() calcola il gradiente | In [[PyTorch]] la funzione ''loss.backward()'' calcola il gradiente, ovvero la derivata parziale dell'errore rispetto ai pesi, e viene normalmente seguita da ''optimizer.step()'' che aggiorna i pesi del modello per adattarli all'errore che è stato calcolato. | ||
=== Link === | === Link === | ||
Versione delle 21:26, 16 mar 2024
Un'Optimizer è una funzione che aggiorna il valore dei parametri del modello in base al valore calcolato dalla Funzione Obiettivo (loss) nell'iterazione corrente. Ha vari iperparametri, tra cui normalmente troviamo la learning rate.
Esempi di ottimizzatori:
- ADAM
- Stochastic Gradient Descent (SGD)
Implementazione in PyTorch
In PyTorch la funzione loss.backward() calcola il gradiente, ovvero la derivata parziale dell'errore rispetto ai pesi, e viene normalmente seguita da optimizer.step() che aggiorna i pesi del modello per adattarli all'errore che è stato calcolato.
Link
https://pytorch.org/docs/stable/optim.html#torch.optim.Optimizer