Keras 2 API 文档 / 优化器 / Adadelta

Adadelta

[源代码]

Adadelta

tf_keras.optimizers.Adadelta(
    learning_rate=0.001,
    rho=0.95,
    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="Adadelta",
    **kwargs
)

实现 Adadelta 算法的优化器。

Adadelta 优化是一种随机梯度下降方法,它基于每个维度的自适应学习率来解决两个缺点

  • 训练过程中学习率的持续衰减。
  • 需要手动选择全局学习率。

Adadelta 是 Adagrad 的一个更稳健的扩展,它基于梯度更新的滑动窗口来调整学习率,而不是累积所有过去的梯度。这样,即使进行了许多更新,Adadelta 也会继续学习。与 Adagrad 相比,在 Adadelta 的原始版本中,您不必设置初始学习率。在这个版本中,可以设置初始学习率,就像大多数其他 TF-Keras 优化器一样。

参数

  • learning_rate: 学习率的初始值:浮点数或 tf.keras.optimizers.schedules.LearningRateSchedule 实例。默认为 0.001。请注意,与其他优化器相比,Adadelta 往往受益于较高的初始学习率值。要匹配原始论文中的精确形式,请使用 1.0。rho: Tensor 或浮点数。衰减率。默认为 0.95。epsilon: 用于保持数值稳定的小浮点数。默认为 1e-7。
  • name: 字符串。优化器创建的动量累加器权重的名称。
  • 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,则每个权重的梯度都会单独裁剪,使其范数不高于此值。
  • clipvalue: 浮点数。如果设置,则每个权重的梯度会被裁剪,使其不高于此值。
  • global_clipnorm: 浮点数。如果设置,则所有权重的梯度都会被裁剪,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(权重值在每个训练批次后都会发生变化),并定期用它们的移动平均值覆盖权重。
  • ema_momentum: 浮点数,默认为 0.99。仅当 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。仅当 use_ema=True 时使用。每 ema_overwrite_frequency 步迭代,我们都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,您需要在训练结束时通过调用 optimizer.finalize_variable_values() 显式覆盖变量(这会就地更新模型变量)。当使用内置的 fit() 训练循环时,这会在最后一个 epoch 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,则将忽略此标志。
  • 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/归约将在全局 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