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
的梯度 g
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,此规则变为
velocity = momentum * velocity - learning_rate * g
w = w + momentum * velocity - learning_rate * g
参数
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
。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
。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。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。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
nesterov=True
,请参见 Sutskever 等人,2013 年。