pytorch优化器: optim.SGD && optimizer.zero_grad()

    在神经网络优化器中，主要为了优化我们的神经网络，使神经网络在我们的训练过程中快起来，节省时间。在pytorch中提供了 torch.optim方法优化我们的神经网络，torch.optim 是实现各种优化算法的包。最常用的方法都已经支持，接口很常规，所以以后也可以很容易地集成更复杂的方法。

SGD就是optim中的一个算法（优化器）：随机梯度下降算法

    要使用torch.optim，你必须构造一个optimizer对象，这个对象能保存当前的参数状态并且基于计算梯度进行更新。

构建一个优化器

    要构造一个优化器，你必须给他一个包含参数（必须都是variable对象）进行优化，然后可以指定optimizer的参数选项，比如学习率，权重衰减。具体参考torch.optim文档。

optimizer = optim.SGD(model.parameters(),
                          lr=1e-2, 
                          momentum=0.9, 
                          weight_decay=0.0005)
optimizer.zero_grad()

参数

1、model.parameters()是获取model网络的参数，构建好神经网络后，网络的参数都保存在parameters()函数当中。params (iterable) – 待优化参数的iterable（w和b的迭代） 或者是定义了参数组的dict
2、lr (float) – 学习率
3、momentum (float, 可选) – 动量因子（默认：0）
4、weight_decay (float, 可选) – 权重衰减（L2惩罚）(默认：0）
5、dampening (float, 可选) – 动量的抑制因子（默认：0）
6、nesterov (bool, 可选) – 使用Nesterov动量（默认：False）

learning rate

1、学习率较小时，收敛到极值的速度较慢。
2、学习率较大时，容易在搜索过程中发生震荡。

weight decay

为了有效限制模型中的自由参数数量以避免过度拟合，可以调整成本函数。
一个简单的方法是通过在权重上引入零均值高斯先验值，这相当于将代价函数改变为E〜（w）= E（w）+λ2w2。
在实践中，这会惩罚较大的权重，并有效地限制模型中的自由度。
正则化参数λ决定了如何将原始成本E与大权重惩罚进行折衷。

learning rate decay

1、decay越小，学习率衰减地越慢，当decay = 0时，学习率保持不变。
2、decay越大，学习率衰减地越快，当decay = 1时，学习率衰减最快。

momentum

“冲量”这个概念源自于物理中的力学，表示力对时间的积累效应。

在普通的情况下x的更新 在加上冲量后就是在普通的情况下加上上次更新的x的与mom[0,1]的乘积

当本次梯度下降- dx * lr的方向与上次更新量v的方向相同时，上次的更新量能够对本次的搜索起到一个正向加速的作用。

当本次梯度下降- dx * lr的方向与上次更新量v的方向相反时，上次的更新量能够对本次的搜索起到一个减速的作用。

optimizer.zero_grad()

上图为一个简单的梯度下降示意图。以SGD为例，是算一个batch计算一次梯度，然后进行一次梯度更新。这里梯度值就是对应偏导数的计算结果。显然，我们进行下一次batch梯度计算的时候，前一个batch的梯度计算结果，没有保留的必要了。所以在下一次梯度更新的时候，先使用optimizer.zero_grad把梯度信息设置为0。

lose

我们使用loss来定义损失函数，是要确定优化的目标是什么，然后以目标为头，才可以进行链式法则和反向传播。

backward

调用loss.backward方法时候，Pytorch的autograd就会自动沿着计算图反向传播，计算每一个叶子节点的梯度（如果某一个变量是由用户创建的，则它为叶子节点）。使用该方法，可以计算链式法则求导之后计算的结果值。

optimizer.step

optimizer.step用来更新参数，就是图片中下半部分的w和b的参数更新操作。