Adadelta
类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
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
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。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 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。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。参考文献