Nadam

[源]

Nadam

keras.optimizers.Nadam(
    learning_rate=0.001,
    beta_1=0.9,
    beta_2=0.999,
    epsilon=1e-07,
    weight_decay=None,
    clipnorm=None,
    clipvalue=None,
    global_clipnorm=None,
    use_ema=False,
    ema_momentum=0.99,
    ema_overwrite_frequency=None,
    loss_scale_factor=None,
    gradient_accumulation_steps=None,
    name="nadam",
    **kwargs
)

实现 Nadam 算法的优化器。

Adam 本质上是带有动量的 RMSprop,而 Nadam 则是带有 Nesterov 动量的 Adam。

参数

  • learning_rate: 一个浮点数,一个 keras.optimizers.schedules.LearningRateSchedule 实例,或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
  • beta_1: 一个浮点值或一个常数浮点张量,或一个不接受参数并返回实际值的可调用对象。用于第一时刻估计的指数衰减率。默认为 0.9
  • beta_2: 一个浮点值或一个常数浮点张量,或一个不接受参数并返回实际值的可调用对象。用于第二时刻估计的指数衰减率。默认为 0.999
  • epsilon: 用于数值稳定的小常数。此 epsilon 是 Kingma 和 Ba 论文中的“epsilon hat”(位于第 2.1 节之前的公式中),而不是论文算法 1 中的 epsilon。默认为 1e-7
  • 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。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,每个权重的梯度将被裁剪,使其值不超过此值。
  • 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(随着每次训练批次后权重的变化),并定期使用它们的移动平均覆盖权重。
  • 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: 整数或 None,默认为 None。仅在 use_ema=True 时使用。每隔 ema_overwrite_frequency 次迭代,我们会使用其移动平均覆盖模型变量。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() (这会原地更新模型变量) 在训练结束时显式覆盖变量。使用内置的 fit() 训练循环时,这会在最后一个 epoch 后自动发生,你无需做任何事情。
  • loss_scale_factor: 浮点数或 None。如果为浮点数,在计算梯度之前,损失将乘以缩放因子;在更新变量之前,梯度将乘以缩放因子的倒数。这对于防止混合精度训练期间的下溢非常有用。另外,keras.optimizers.LossScaleOptimizer 将自动设置损失缩放因子。
  • gradient_accumulation_steps: 整数或 None。如果为整数,模型和优化器变量不会在每个步骤更新;而是每隔 gradient_accumulation_steps 步骤更新一次,使用自上次更新以来梯度的平均值。这称为“梯度累积”。当你的批次大小非常小时,这有助于减少每个更新步骤的梯度噪声。EMA 频率将参考“累积”迭代值(优化器步骤 // gradient_accumulation_steps)。学习率调度器将参考“实际”迭代值(优化器步骤)。

参考