Adadelta

[源]

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

• 训练过程中学习率的持续衰减。
• 需要手动选择全局学习率。

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

• learning_rate：学习率的初始值：可以是浮点值，也可以是 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。
• name：字符串。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，将应用权重衰减。
• clipnorm：浮点数。如果设置，每个权重的梯度将被单独裁剪，使其范数不超过此值。
• clipvalue：浮点数。如果设置，每个权重的梯度将被裁剪，使其不超过此值。
• global_clipnorm：浮点数。如果设置，所有权重的梯度将被裁剪，使其全局范数不超过此值。
• use_ema：布尔值，默认为 False。如果为 True，将应用指数移动平均 (EMA)。EMA 包括计算模型权重的指数移动平均（因为权重值在每个训练批次后都会改变），并定期用其移动平均值覆盖权重。
• ema_momentum：浮点数，默认为 0.99。仅在 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。
• 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，此标志将被忽略。
• 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，并且聚合/缩减将在全局 DTensor 上下文中发生。
• **kwargs：仅用于向后兼容的关键字参数。

参考

• Zeiler, 2012