SGD

[源代码]

SGD 类

tf_keras.optimizers.SGD(
    learning_rate=0.01,
    momentum=0.0,
    nesterov=False,
    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="SGD",
    **kwargs
)

梯度下降（带动量）优化器。

当 momentum 为 0 时，参数 w 和梯度 g 的更新规则

w = w - learning_rate * g

当 momentum 大于 0 时，更新规则

velocity = momentum * velocity - learning_rate * g
w = w + velocity

当 nesterov=True 时，规则变为

velocity = momentum * velocity - learning_rate * g
w = w + momentum * velocity - learning_rate * g

参数

• learning_rate：一个 Tensor，浮点值，或一个 keras.optimizers.schedules.LearningRateSchedule 类型的调度器，或一个不带参数的callable，返回实际使用的值。学习率。默认为 0.001。 momentum：float 超参数 >= 0，可在相关方向上加速梯度下降并减弱振荡。默认为 0，即标准的梯度下降。 nesterov：boolean。是否应用 Nesterov 动量。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: Float，默认为 None。如果设置，则应用权重衰减。
• clipnorm：浮点数。如果设置，每个权重的梯度将单独裁剪，使其范数不高于此值。
• clipvalue：浮点数。如果设置，每个权重的梯度将被裁剪，使其不高于此值。
• global_clipnorm：浮点数。如果设置，所有权重的梯度将被裁剪，使其全局范数不高于此值。
• use_ema: Boolean，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发生变化），并定期用其移动平均值覆盖权重。
• ema_momentum：浮点数，默认为 0.99。仅当 use_ema=True 时使用。这是在计算模型权重 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。仅当 use_ema=True 时使用。每进行 ema_overwrite_frequency 步迭代，我们就用其移动平均值覆盖模型变量。如果为 None，优化器不会在训练中间覆盖模型变量，您需要通过调用 optimizer.finalize_variable_values()（该函数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 之后自动完成，您无需执行任何操作。
• jit_compile: Boolean，默认为 True。如果为 True，优化器将使用 XLA 编译。如果没有找到 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/约简将在全局 DTensor 上下文中进行。
• **kwargs: 仅用于向后兼容的关键字参数。

用法

>>> opt = tf.keras.optimizers.SGD(learning_rate=0.1)
>>> var = tf.Variable(1.0)
>>> loss = lambda: (var ** 2)/2.0         # d(loss)/d(var1) = var1
>>> opt.minimize(loss, [var])
>>> # Step is `- learning_rate * grad`
>>> var.numpy()
0.9

>>> opt = tf.keras.optimizers.SGD(0.1, momentum=0.9)
>>> var = tf.Variable(1.0)
>>> val0 = var.value()
>>> loss = lambda: (var ** 2)/2.0         # d(loss)/d(var1) = var1
>>> # First step is `- learning_rate * grad`
>>> opt.minimize(loss, [var])
>>> val1 = var.value()
>>> (val0 - val1).numpy()
0.1
>>> # On later steps, step-size increases because of momentum
>>> opt.minimize(loss, [var])
>>> val2 = var.value()
>>> (val1 - val2).numpy()
0.18

参考

• 对于 nesterov=True，参见 Sutskever 等人，2013。