Keras 2 API 文档 / 优化器 / RMSprop

RMSprop

[源代码]

RMSprop

tf_keras.optimizers.RMSprop(
    learning_rate=0.001,
    rho=0.9,
    momentum=0.0,
    epsilon=1e-07,
    centered=False,
    weight_decay=None,
    clipnorm=None,
    clipvalue=None,
    global_clipnorm=None,
    use_ema=False,
    ema_momentum=0.99,
    ema_overwrite_frequency=100,
    jit_compile=True,
    name="RMSprop",
    **kwargs
)

实现了 RMSprop 算法的优化器。

RMSprop 的要点是:

  • 维持梯度的平方的移动(衰减)平均值
  • 将梯度除以此平均值的平方根

RMSprop 的此实现使用普通动量,而非 Nesterov 动量。

中心化版本额外维护梯度的移动平均值,并使用该平均值来估计方差。

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。 rho:浮点值,默认为 0.9。用于旧梯度的衰减因子。 momentum:浮点值,默认为 0.0。如果不是 0.0,优化器会跟踪动量值,衰减率等于 1 - momentum。 epsilon:用于数值稳定的小常数。这个 epsilon 是 Kingma 和 Ba 论文中(第 2.1 节之前的公式中)的“epsilon hat”,不是论文中算法 1 的 epsilon。默认为 1e-7。 centered:布尔值。如果为 True,梯度会通过梯度的估计方差进行归一化;如果为 False,则通过未中心化的二阶矩进行归一化。将其设置为 True 可能有助于训练,但在计算和内存方面会稍微昂贵一些。默认为 False。 name:字符串。用于优化器创建的动量累加器权重的名称。
  • weight_decay:浮点值,默认为 None。如果设置,则应用权重衰减。
  • clipnorm:浮点值。如果设置,每个权重的梯度会被单独裁剪,使其范数不高于此值。
  • clipvalue:浮点值。如果设置,每个权重的梯度会被裁剪,使其不高于此值。
  • global_clipnorm:浮点值。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(随着权重值在每个训练批次后改变),并定期用它们的移动平均值覆盖权重。
  • ema_momentum:浮点值,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。每隔 ema_overwrite_frequency 步迭代,我们会用模型的移动平均值覆盖模型变量。如果为 None,优化器在训练过程中不会覆盖模型变量,你需要通过调用 optimizer.finalize_variable_values() (它会就地更新模型变量)在训练结束时显式地覆盖变量。当使用内置的 fit() 训练循环时,这会在最后一个 epoch 后自动发生,你无需执行任何操作。
  • 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,则忽略此标志。
  • mesh:可选的 tf.experimental.dtensor.Mesh 实例。提供时,优化器将在 DTensor 模式下运行,例如状态跟踪变量将是 DVariable,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。

用法

>>> opt = tf.keras.optimizers.RMSprop(learning_rate=0.1)
>>> var1 = tf.Variable(10.0)
>>> loss = lambda: (var1 ** 2) / 2.0  # d(loss) / d(var1) = var1
>>> opt.minimize(loss, [var1])
>>> var1.numpy()
9.683772

参考