Nadam

[源代码]

Nadam

tf_keras.optimizers.Nadam(
    learning_rate=0.001,
    beta_1=0.9,
    beta_2=0.999,
    epsilon=1e-07,
    weight_decay=None,
    clipnorm=None,
    clipvalue=None,
    global_clipnorm=None,
    use_ema=False,
    ema_momentum=0.99,
    ema_overwrite_frequency=None,
    jit_compile=True,
    name="Nadam",
    **kwargs
)

实现 Nadam 算法的优化器。

就像 Adam 本质上是带动量的 RMSprop 一样,Nadam 是带 Nesterov 动量的 Adam。

参数

  • learning_rate: 一个 tf.Tensor,浮点值,一个调度程序,它是一个 tf.keras.optimizers.schedules.LearningRateSchedule,或者是一个不带参数并返回实际使用值的可调用对象。学习率。默认为 0.001。beta_1: 一个浮点值或一个常量浮点张量,或者是一个不带参数并返回实际使用值的可调用对象。第一矩估计的指数衰减率。默认为 0.9。beta_2: 一个浮点值或一个常量浮点张量,或者是一个不带参数并返回实际使用值的可调用对象。第二矩估计的指数衰减率。默认为 0.999。epsilon: 用于数值稳定性的小常数。这个 epsilon 是 Kingma 和 Ba 论文中的“epsilon hat”(在第 2.1 节之前的公式中),而不是论文中算法 1 中的 epsilon。默认为 1e-7。name: 字符串。优化器创建的动量累加器权重使用的名称。
  • weight_decay: 浮点数,默认为 None。如果设置,则应用权重衰减。
  • clipnorm: 浮点数。如果设置,则单独剪辑每个权重的梯度,使其范数不高于此值。
  • clipvalue: 浮点数。如果设置,则剪辑每个权重的梯度,使其不高于此值。
  • global_clipnorm: 浮点数。如果设置,则剪辑所有权重的梯度,使其全局范数不高于此值。
  • use_ema: 布尔值,默认为 False。如果为 True,则应用指数移动平均 (EMA)。EMA 包括计算模型权重的指数移动平均值(在每个训练批次后权重值都会发生变化),并定期用其移动平均值覆盖权重。
  • ema_momentum: 浮点数,默认为 0.99。仅在 use_ema=True 时使用。这是计算模型权重 EMA 时使用的动量:new_average = ema_momentum * old_average + (1 - ema_momentum) * current_variable_value
  • ema_overwrite_frequency: 整数或 None,默认为 None。仅在 use_ema=True 时使用。每隔 ema_overwrite_frequency 步迭代,我们就会用其移动平均值覆盖模型变量。如果为 None,则优化器不会在训练过程中覆盖模型变量,并且您需要在训练结束时通过调用 optimizer.finalize_variable_values()(它会就地更新模型变量)显式覆盖变量。当使用内置的 fit() 训练循环时,这会在最后一个 epoch 之后自动发生,您无需执行任何操作。
  • jit_compile: 布尔值,默认为 True。如果为 True,则优化器将使用 XLA 编译。如果没有找到 GPU 设备,则会忽略此标志。
  • mesh: 可选的 tf.experimental.dtensor.Mesh 实例。提供后,优化器将在 DTensor 模式下运行,例如状态跟踪变量将是 DVariable,并且聚合/缩减将在全局 DTensor 上下文中发生。
  • **kwargs: 仅用于向后兼容性的关键字参数。

参考文献