Adadelta

[源代码]

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

• 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

• Zeiler，2012