Adamax
类tf_keras.optimizers.Adamax(
learning_rate=0.001,
beta_1=0.9,
beta_2=0.999,
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="Adamax",
**kwargs
)
实现 Adamax 算法的优化器。
Adamax 是基于无限范数的 Adam 的变体,是一种基于一阶梯度的优化方法。由于它能够根据数据特征调整学习率,因此适用于学习时变过程,例如具有动态变化噪声条件的语音数据。默认参数遵循论文中提供的参数(参见下面的参考文献)。
初始化
m = 0 # Initialize initial 1st moment vector
u = 0 # Initialize the exponentially weighted infinity norm
t = 0 # Initialize timestep
参数 w
和梯度 g
的更新规则在论文第 7.1 节的末尾进行了描述(参见参考文献部分)
t += 1
m = beta1 * m + (1 - beta) * g
u = max(beta2 * u, abs(g))
current_lr = learning_rate / (1 - beta1 ** t)
w = w - current_lr * m / (u + epsilon)
参数
tf.Tensor
,浮点值,一个调度程序,它是一个 tf.keras.optimizers.schedules.LearningRateSchedule
,或者是一个不带参数并返回要使用的实际值的可调用对象。学习率。默认为 0.001
。beta_1: 浮点值或常量浮点张量。第一矩估计的指数衰减率。beta_2: 浮点值或常量浮点张量。指数加权无限范数的指数衰减率。epsilon: 用于数值稳定性的小常数。name: 字符串。优化器创建的动量累加器权重要使用的名称。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。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/归约将在全局 DTensor 上下文中发生。参考文献