AdamW 是 Adam 优化算法的改进版本； warmup_steps：学习率热身的步数
AdamW 是 Adam 优化算法的改进版本
目录
-
- AdamW 是 Adam 优化算法的改进版本
-
- 1. `optimizer = torch.optim.AdamW(model.parameters(), lr=2e-4)`
- 2. `num_epochs = 11`
- 3. `total_steps = len(dataloader) * num_epochs`
- warmup_steps：学习率热身的步数，学习率会从一个较小的值逐渐增加到初始学习率
-
- 4. `scheduler = get_linear_schedule_with_warmup(optimizer, num_warmup_steps=0, num_training_steps=total_steps)`
1. optimizer = torch.optim.AdamW(model.parameters(), lr=2e-4)
这行代码的作用是创建一个优化器对象，该对象会在模型训练期间更新模型的参数。
torch.optim.AdamW：这是 PyTorch 提供的一个优化器类，它实现了 AdamW 优化算法。AdamW 是 Adam 优化算法的改进版本，主要改进在于加入了权重衰减（weight decay）机制，能够有效防止模型过拟合。model.parameters()：这是传入优化器的参数，它包含了模型中所有需要训练的参数。优化器会在训练时更新这些参数，从而让模型的性能得到提升。lr=2e-4