Nadam

[源]

Nadam

tf_keras.optimizers.Nadam(
    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="Nadam",
    **kwargs
)

实现 Nadam 算法的优化器。

Adam 本质上是带有动量的 RMSprop,类似地,Nadam 是带有 Nesterov 动量的 Adam。

参数

  • learning_rate: 一个 tf.Tensor、浮点值、一个实现 tf.keras.optimizers.schedules.LearningRateSchedule 的调度器,或一个不接受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、一个常量浮点张量,或一个不接受参数并返回实际使用值的可调用对象。第一阶矩估计的指数衰减率。默认为 0.9。beta_2: 一个浮点值、一个常量浮点张量,或一个不接受参数并返回实际使用值的可调用对象。第二阶矩估计的指数衰减率。默认为 0.999。epsilon: 用于数值稳定的小常数。这个 epsilon 是 Kingma 和 Ba 论文中的“epsilon hat”(在第 2.1 节之前的公式中),而不是论文中算法 1 中的 epsilon。默认为 1e-7。name: 字符串。用于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,则对每个权重的梯度单独进行裁剪,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(随着每个训练批次后权重值的变化),并定期用其移动平均值覆盖权重。
  • ema_momentum: 浮点数,默认为 0.99。仅在 use_ema=True 时使用。这是计算模型权重的 EMA 时使用的动量:新平均值 = ema_momentum * 旧平均值 + (1 - ema_momentum) * 当前变量值
  • ema_overwrite_frequency: 整型或 None,默认为 None。仅在 use_ema=True 时使用。每 ema_overwrite_frequency 次迭代步骤,我们用模型的移动平均值覆盖模型变量。如果为 None,则优化器在训练过程中不会覆盖模型变量,您需要在训练结束时通过调用 optimizer.finalize_variable_values()(此方法会就地更新模型变量)来显式覆盖变量。当使用内置的 fit() 训练循环时,这会在最后一个 epoch 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,优化器将使用 XLA 编译。如果找不到 GPU 设备,则忽略此标志。
  • mesh: 可选的 tf.experimental.dtensor.Mesh 实例。如果提供,优化器将在 DTensor 模式下运行,例如状态跟踪变量将是 DVariable,聚合/归约将在全局 DTensor 上下文中进行。
  • **kwargs: 仅用于向后兼容的关键字参数。

参考