Nadam
类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
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。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
。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。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。参考文献