Adagrad

[源]

Adagrad 类

tf_keras.optimizers.Adagrad(
    learning_rate=0.001,
    initial_accumulator_value=0.1,
    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="Adagrad",
    **kwargs
)

实现 Adagrad 算法的优化器。

Adagrad 是一种具有参数特定学习率的优化器，学习率会根据参数在训练期间更新的频率进行调整。参数接收的更新次数越多，更新量越小。

参数

• learning_rate：学习率的初始值：可以是浮点数，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，Adagrad 通常受益于较高的初始学习率值。为了与原始论文中的确切形式匹配，请使用 1.0。initial_accumulator_value：浮点数。累加器（每参数动量值）的起始值。必须是非负数。epsilon：用于保持数值稳定的小浮点值。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，每个权重的梯度会单独进行裁剪，使其范数不高于此值。
• clipvalue：浮点数。如果设置，每个权重的梯度会被裁剪到不高于此值。
• global_clipnorm：浮点数。如果设置，所有权重的梯度会被裁剪，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（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：新平均值 = ema_momentum * 旧平均值 + (1 - ema_momentum) * 当前变量值。
• ema_overwrite_frequency：整数或 None，默认为 None。仅在 use_ema=True 时使用。每迭代 ema_overwrite_frequency 步，我们用其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，并且您需要在训练结束时通过调用 optimizer.finalize_variable_values()（这会就地更新模型变量）明确覆盖变量。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。如果未找到 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/归约将在全局 DTensor 上下文中发生。
• **kwargs：仅用于向后兼容的关键字参数。

参考文献

• Duchi et al., 2011.