Adamax

[源代码]

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

• learning_rate: 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。
• 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，则将每个权重的梯度裁剪为不高于此值。
• 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（因为权重值在每次训练批次后都会发生变化），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 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。
• 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，则会忽略此标志。
• 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/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

• Kingma 等人，2014