Adam

`Adam` 类

tf_keras.optimizers.Adam(
    learning_rate=0.001,
    beta_1=0.9,
    beta_2=0.999,
    epsilon=1e-07,
    adaptive_epsilon=False,
    amsgrad=False,
    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="Adam",
    **kwargs
)

实现 Adam 算法的优化器。

Adam 优化是一种随机梯度下降方法，它基于一阶和二阶矩的自适应估计。

根据 Kingma 等人，2014，该方法“计算效率高，内存需求少，对梯度的对角线重新缩放不变，并且非常适合数据/参数量大的问题”。

参数

learning_rate: 一个 tf.Tensor，浮点值，一个调度器，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。如果 adaptive_epsilon 为 False，则此 epsilon 是 Kingma 和 Ba 论文中的“epsilon hat”（公式在第 2.1 节之前），而不是论文算法 1 中的 epsilon。默认为 1e-7。adaptive_epsilon: 如果为 True，则从给定的 epsilon 自适应地计算 epsilon hat（论文中的算法 1）。如果为 False，则给定的 epsilon 将是“epsilon hat”。默认为 False。amsgrad: 布尔值。是否应用来自论文“关于 Adam 及其扩展的收敛性”的此算法的 AMSGrad 变体。默认为 False。name: 字符串。优化器创建的动量累加器权重要使用的名称。
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，则对每个权重的梯度进行单独裁剪，使其范数不高于此值。
clipvalue: 浮点数。如果设置，则对每个权重的梯度进行裁剪，使其不高于此值。
global_clipnorm: 浮点数。如果设置，则对所有权重的梯度进行裁剪，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（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，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）显式地覆盖变量。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/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

Kingma 等人，2014 - Reddi 等人，2018 用于 amsgrad。

注释

epsilon 的默认值 1e-7 通常可能不是一个好的默认值。例如，当在 ImageNet 上训练 Inception 网络时，当前一个好的选择是 1.0 或 0.1。请注意，由于 Adam 使用 Kingma 和 Ba 论文第 2.1 节之前的公式而不是算法 1 中的公式，因此此处引用的“epsilon”是论文中的“epsilon hat”。

此算法的稀疏实现（当梯度是 IndexedSlices 对象时使用，通常是因为在正向传递中使用了 tf.gather 或嵌入查找）确实将动量应用于变量切片，即使它们未在正向传递中使用（这意味着它们的梯度等于零）。动量衰减 (beta1) 也应用于整个动量累加器。这意味着稀疏行为等效于密集行为（与某些忽略动量的动量实现形成对比，除非实际使用了变量切片）。

Adam

Adam 类

Adam

Adam 类

`Adam` 类