Adamax

[源代码]

Adamax

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 Adam 基于无穷范数的一种变体,它是一种一阶基于梯度的优化方法。由于它能够根据数据特征调整学习率,因此适合学习时变过程,例如噪声条件动态变化的语音数据。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 在梯度 g 下的更新规则在论文第 7.1 节末尾进行了描述(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: 一个 tf.Tensor、浮点值、一个 tf.keras.optimizers.schedules.LearningRateSchedule 形式的调度,或者一个不接受任何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: 一个浮点值或一个常量浮点张量。用于一阶矩估计的指数衰减率。beta_2: 一个浮点值或一个常量浮点张量。用于指数加权无穷范数的指数衰减率。epsilon: 用于数值稳定的小常数。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分别进行裁剪,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到不高于此值。
  • 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),并周期性地用它们的移动平均覆盖权重。
  • 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: 整数或 None,默认为 None。仅在 use_ema=True 时使用。每迭代 ema_overwrite_frequency 步,我们将模型变量用其移动平均覆盖。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()(该方法会就地更新模型变量)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,优化器将以 DTensor 模式运行,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