SGD

[source]

SGD

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。

momentum 为 0 时,参数 w 的梯度 g 更新规则

w = w - learning_rate * g

momentum 大于 0 时,更新规则

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

nesterov=True 时,此规则变为

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。 momentum: 大于等于 0 的浮点超参数,用于加速梯度在相关方向上的下降并抑制振荡。默认为 0,即普通梯度下降。 nesterov: 布尔值。是否应用 Nesterov 动量。默认为 False
  • 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,使其范数不高于此值。
  • clipvalue: 浮点数。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(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。这是计算模型权重的 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 次迭代步骤,我们用模型变量的移动平均值覆盖它。如果为 None,则优化器不会在训练过程中覆盖模型变量,你需要通过调用 optimizer.finalize_variable_values()(它会原地更新模型变量)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,你无需做任何事情。
  • jit_compile: 布尔值,默认为 True。如果为 True,优化器将使用 XLA 编译。如果找不到 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。

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