SGD applies weight decay to bias parameters as well
还没有人认领这个 Issue。
评估
- 难度
- 2/5
- 预计耗时
- 1-3 小时
- 新手友好度
- 82/100
- Issue 类型
- 缺陷
- 描述清晰度
- 描述清楚
- 活跃度
- 活跃
- 技术栈
- python
调研方向
打开 leanpass/optim.py 并检查 SGD.step，其中 weight_decay * param.data 会被添加到每个参数的梯度中。决定是否跳过名称看起来像 bias 的张量（或添加一个标志），还是文档说明 decay 适用于所有参数。通过运行仓库中现有的优化器测试，或一个检查 bias 与权重更新差异的小型训练循环来确认更改。
由索引模型根据 Issue 内容生成。
描述
File: leanpass/optim.py
The SGD.step implementation adds weight_decay * param.data to the gradient for all parameters. In most deep‑learning libraries weight decay (L2 regularization) is applied only to weight tensors, not to bias terms. This can lead to unexpected training dynamics. Provide an option to exclude bias parameters (e.g., by checking param.name or a flag) or document the current behavior clearly.
Filed automatically by ai-issue-scan.
- 主要语言
- Python
- 星标
- 16
- 派生
- 1
- 平均合并
- 2 天 8 小时
- 30 天内合并 PR
- 5
环境准备
- 没有 Dockerfile 或 Docker Compose 文件
- 有 Pull Request 模板
- 阅读贡献指南
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
Terminay/leanpass 的其他 Issue
-
bug
难度 2/5 1-3 小时 新手友好度 75/100
-
bug
难度 2/5 1-3 小时 新手友好度 78/100
-
bug
难度 2/5 1-3 小时 新手友好度 82/100
-
performance
难度 2/5 1-3 小时 新手友好度 78/100
-
docs
难度 1/5 1 小时以内 新手友好度 88/100
查看 Terminay/leanpass 的全部 Issue
相似的 Issue
-
难度 2/5 1-3 小时 新手友好度 85/100
gramaziokohler/compas_timber#870 ·
-
bug
难度 2/5 1-3 小时 新手友好度 82/100
autowarefoundation/autoware_carla_scenario#500 ·
维护者通常 1 天内回复
-
good first issue priority: low size: XS testing
难度 1/5 1-3 小时 新手友好度 86/100
cubrid-lab/cubrid-mcp-server#385 ·
维护者通常 1 天内回复
-
good first issue priority: low size: S testing
难度 2/5 1-3 小时 新手友好度 85/100
cubrid-lab/cubrid-cookbook-python#447 ·
维护者通常 1 天内回复
-
难度 2/5 1-3 小时 新手友好度 78/100