pytorch梯度剪裁方式

我就废话不多说，看例子吧！

import torch.nn as nn

outputs = model(data)
loss= loss_fn(outputs, target)
optimizer.zero_grad()
loss.backward()
nn.utils.clip_grad_norm_(model.parameters(), max_norm=20, norm_type=2)
optimizer.step()

nn.utils.clip_grad_norm_ 的参数：

parameters – 一个基于变量的迭代器，会进行梯度归一化

max_norm – 梯度的最大范数

norm_type – 规定范数的类型，默认为L2

以上这篇pytorch梯度剪裁方式就是小编分享给大家的全部内容了，希望能给大家一个参考

您可能感兴趣的文章:

• 基于梯度爆炸的解决方法:clip gradient
• 有关Tensorflow梯度下降常用的优化方法分享
• TensorFlow梯度求解tf.gradients实例
• 基于TensorFlow中自定义梯度的2种方式
• tensorflow 查看梯度方式
• opencv python图像梯度实例详解
• tensorflow求导和梯度计算实例
• pytorch对梯度进行可视化进行梯度检查教程