Adadelta
类tf_keras.optimizers.Adadelta(
learning_rate=0.001,
rho=0.95,
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="Adadelta",
**kwargs
)
实现 Adadelta 算法的优化器。
Adadelta 优化是一种随机梯度下降方法,它基于每个维度的自适应学习率来解决两个缺点
Adadelta 是 Adagrad 的一个更鲁棒的扩展,它基于一个移动窗口的梯度更新来调整学习率,而不是累积所有过去的梯度。这样,即使在进行了多次更新后,Adadelta 也能继续学习。与 Adagrad 相比,在原始版本的 Adadelta 中,您无需设置初始学习率。在此版本中,可以设置初始学习率,就像在大多数其他 TF-Keras 优化器中一样。
参数
tf.keras.optimizers.schedules.LearningRateSchedule
实例。默认为 0.001。请注意,与其他优化器相比,Adadelta
更倾向于从较高的初始学习率中受益。为了与原始论文中的确切形式匹配,请使用 1.0。rho:Tensor
或浮点值。衰减率。默认为 0.95。epsilon:用于保持数值稳定性的小浮点值。默认为 1e-7。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
次迭代步骤,我们用模型变量的移动平均值覆盖它。如果为 None,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()
(它会就地更新模型变量)来显式覆盖变量。使用内置的 fit()
训练循环时,这会在最后一个 epoch 后自动发生,您无需做任何事情。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,并且聚合/缩减将在全局 DTensor 上下文中发生。参考