在 PyTorch 中添加 L1/L2 正则化? [英] Adding L1/L2 regularization in PyTorch?

问题描述

有什么办法可以在 PyTorch 中添加简单的 L1/L2 正则化?我们可以通过简单地将 data_loss 与 reg_loss 相加来计算正则化损失，但是有没有任何明确的方法，来自 PyTorch 库的任何支持可以更轻松地做到这一点，而无需手动进行?

Is there any way, I can add simple L1/L2 regularization in PyTorch? We can probably compute the regularized loss by simply adding the data_loss with the reg_loss but is there any explicit way, any support from PyTorch library to do it more easily without doing it manually?

推荐答案

这在 PyTorch 的文档.您可以使用 weight_decay 参数将 L2 损失添加到优化函数中.

This is presented in the documentation for PyTorch. You can add L2 loss using the weight_decay parameter to the Optimization function.

这篇关于在 PyTorch 中添加 L1/L2 正则化?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！