文档版本

SPSALearningRateCalibrationConfig¶

from cascaqit import SPSALearningRateCalibrationConfig

SPSALearningRateCalibrationConfig ¶

SPSALearningRateCalibrationConfig(
    directions: int = 5,
    target_update_rms: float = 0.1,
    gradient_rms_floor: float = 1e-08,
    max_learning_rate: float | None = None,
    schema_version: str = ALGORITHM_SCHEMA_VERSION,
)

在 SPSA 正式迭代前估计梯度尺度，据此选择学习率。directions 是校准方向数，必须为正整数；target_update_rms 是希望首步达到的更新均方根，必须为正数。校准会实际调用目标函数，消耗求值与后端预算。

对校准得到的平均梯度，记各参数分量的均方根为 g。学习率尺度为 target_update_rms * (1 + stability_constant)**learning_rate_exponent / g。g 低于正的 gradient_rms_floor 时会报错；这不是把分母截到下限。若计算出的学习率超过可选正数 max_learning_rate，也会报错，不会自动裁剪。

将它放入 SPSAConfig.learning_rate_calibration，同时设 learning_rate=None。边界投影与估计噪声可能使实际更新不同于目标均方根，应查看保存的校准记录。

from cascaqit import SPSAConfig, SPSALearningRateCalibrationConfig

calibration = SPSALearningRateCalibrationConfig(directions=3, target_update_rms=0.05)
config = SPSAConfig(learning_rate=None, learning_rate_calibration=calibration)
assert config.learning_rate is None
assert SPSALearningRateCalibrationConfig.from_json(calibration.to_json()) == calibration

from_dict ¶

from_dict(
    data: Mapping[str, Any],
) -> SPSALearningRateCalibrationConfig

从字典还原 SPSALearningRateCalibrationConfig。省略字段使用默认值，嵌套配置还原后重新校验。缺少必需字段或字段不合法时可能抛出 KeyError、TypeError 或 ValueError。

from_json ¶

from_json(text: str) -> SPSALearningRateCalibrationConfig

解析 JSON 对象并调用 from_dict()，返回 SPSALearningRateCalibrationConfig。非法 JSON 会抛出解析错误；顶层不是对象时抛出 TypeError。

to_dict ¶

to_dict() -> dict[str, Any]

返回可写入 JSON 的字典，嵌套对象一并序列化。元组转成数组；这个字典是保存的声明，不是执行结果。

to_json ¶

to_json(*, indent: int | None = None) -> str

返回 JSON 字符串，不写文件。indent=None 使用紧凑格式；提供缩进宽度可便于阅读。

stable_hash ¶

stable_hash() -> str

返回规范 JSON 的 SHA-256 十六进制摘要。字段、标识或元数据变化都可能改变摘要；它用于比较保存内容，不判断两个声明在物理上是否等价。