Ftrl

[来源]

Ftrl

tf_keras.optimizers.Ftrl(
    learning_rate=0.001,
    learning_rate_power=-0.5,
    initial_accumulator_value=0.1,
    l1_regularization_strength=0.0,
    l2_regularization_strength=0.0,
    l2_shrinkage_regularization_strength=0.0,
    beta=0.0,
    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="Ftrl",
    **kwargs
)

实现 FTRL 算法的优化器。

"Follow The Regularized Leader" (FTRL) 是 Google 在 2010 年代初期开发的一种用于点击率预测的优化算法。它最适用于具有庞大稀疏特征空间的浅层模型。该算法由 McMahan 等人于 2013 年描述。TF-Keras 版本支持在线 L2 正则化(上述论文中描述的 L2 正则化)和收缩型 L2 正则化(即在损失函数中添加 L2 惩罚项)。

初始化

n = 0
sigma = 0
z = 0

一个变量 w 的更新规则

prev_n = n
n = n + g ** 2
sigma = (n ** -lr_power - prev_n ** -lr_power) / lr
z = z + g - sigma * w
if abs(z) < lambda_1:
  w = 0
else:
  w = (sgn(z) * lambda_1 - z) / ((beta + sqrt(n)) / alpha + lambda_2)

符号

  • lr 是学习率
  • g 是变量的梯度
  • lambda_1 是 L1 正则化强度
  • lambda_2 是 L2 正则化强度
  • lr_power 是用于缩放 n 的幂。

有关启用收缩(shrinkage)时 l2_shrinkage_regularization_strength 参数的更多详细信息,请查阅文档。在这种情况下,梯度将被带有收缩的梯度取代。

参数

  • learning_rate: 一个 Tensor、浮点值、一个 tf.keras.optimizers.schedules.LearningRateSchedule 类型的调度器,或者一个不接受参数并返回实际值的可调用对象。学习率。默认为 0.001。learning_rate_power: 一个浮点值,必须小于或等于零。控制训练期间学习率的下降方式。使用零表示固定学习率。initial_accumulator_value: 累加器的起始值。只允许零或正值。l1_regularization_strength: 一个浮点值,必须大于或等于零。默认为 0.0。l2_regularization_strength: 一个浮点值,必须大于或等于零。默认为 0.0。l2_shrinkage_regularization_strength: 一个浮点值,必须大于或等于零。这与上面的 L2 不同,上面的 L2 是稳定惩罚,而这里的 L2 收缩(shrinkage)是幅度惩罚。当输入稀疏时,收缩仅对活动的权重发生。beta: 一个浮点值,代表论文中的 beta 值。默认为 0.0。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,则应用权重衰减。
  • clipnorm: 浮点数。如果设置,每个权重的梯度会被单独裁剪,使其范数不超过此值。
  • clipvalue: 浮点数。如果设置,每个权重的梯度会被裁剪,使其不超过此值。
  • global_clipnorm: 浮点数。如果设置,所有权重的梯度会被裁剪,使其全局范数不超过此值。
  • use_ema: 布尔值,默认为 False。如果为 True,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 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。每隔 ema_overwrite_frequency 个迭代步,我们用其移动平均值覆盖模型变量。如果为 None,优化器不会在训练过程中覆盖模型变量,您需要在训练结束时通过调用 optimizer.finalize_variable_values()(它会原地更新模型变量)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。提供此参数时,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 上下文中进行。
  • **kwargs: 仅用于向后兼容的关键字参数。