Adagrad

[来源]

Adagrad 类

tf_keras.optimizers.Adagrad(
    learning_rate=0.001,
    initial_accumulator_value=0.1,
    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="Adagrad",
    **kwargs
)

实现 Adagrad 算法的优化器。

Adagrad 是一种具有参数特定学习率的优化器，这些学习率相对于参数在训练期间更新的频率进行调整。参数接收的更新越多，更新就越小。

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，Adagrad 往往受益于更高的初始学习率值。为了匹配原始论文中的精确形式，请使用 1.0。initial_accumulator_value: 浮点数。累加器的起始值（每个参数的动量值）。必须是非负数。epsilon: 用于维持数值稳定性的小浮点数。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，则单独裁剪每个权重的梯度，使其范数不高于此值。
• clipvalue: 浮点数。如果设置，则裁剪每个权重的梯度，使其不高于此值。
• global_clipnorm: 浮点数。如果设置，则裁剪所有权重的梯度，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（随着每次训练批次后权重值的改变），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 ema_overwrite_frequency 步迭代，我们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，您需要通过调用 optimizer.finalize_variable_values()（它会就地更新模型变量）在训练结束时显式覆盖变量。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，则将忽略此标志。
• mesh: 可选的 tf.experimental.dtensor.Mesh 实例。提供时，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/约简将在全局 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

• Duchi 等人，2011.