Nadam

[来源]

Nadam 类

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。

很像 Adam 本质上是带有动量的 RMSprop，Nadam 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，或者一个不接受任何参数并返回要使用的实际值的可调用对象。学习率。默认为 0.001。
• beta_1：一个浮点数值或一个常量浮点张量，或者一个不接受任何参数并返回要使用的实际值的可调用对象。用于 1 阶矩估计的指数衰减率。默认为 0.9。
• beta_2：一个浮点数值或一个常量浮点张量，或者一个不接受任何参数并返回要使用的实际值的可调用对象。用于 2 阶矩估计的指数衰减率。默认为 0.999。
• epsilon：一个用于数值稳定性的很小的常数。此 epsilon 是 Kingma 和 Ba 论文中的“epsilon hat”（在 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。用于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，则单独裁剪每个权重的梯度，使其范数不高于此值。
• clipvalue：浮点数。如果设置，则裁剪每个权重的梯度，使其不高于此值。
• global_clipnorm：浮点数。如果设置，则裁剪所有权重的梯度，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 包括计算模型的权重的指数移动平均值（随着权重值在每个训练批次后更改），并定期使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。每隔 ema_overwrite_frequency 次迭代步骤，我们将模型的变量替换为其移动平均值。如果为 None，则优化器不会在训练过程中覆盖模型变量，并且您需要在训练结束时通过调用 optimizer.finalize_variable_values() 来显式覆盖变量（这会就地更新模型变量）。当使用内置的 fit() 训练循环时，这会在最后一个 epoch 之后自动发生，并且您无需执行任何操作。
• loss_scale_factor：浮点数或 None。如果是一个浮点数，则在计算梯度之前，损失将乘以比例因子，并且在更新变量之前，梯度将乘以比例因子的倒数。对于防止混合精度训练期间的下溢很有用。或者，keras.optimizers.LossScaleOptimizer 将自动设置损失比例因子。
• gradient_accumulation_steps：整数或 None。如果是一个整数，则不会在每一步更新模型和优化器变量；相反，它们将每隔 gradient_accumulation_steps 步更新一次，使用自上次更新以来的梯度的平均值。这称为“梯度累积”。当您的批次大小非常小时，这很有用，以便减少每个更新步骤中的梯度噪声。EMA 频率将查看“累积”迭代值（优化器步骤 // gradient_accumulation_steps）。学习率调度将查看“实际”迭代值（优化器步骤）。

参考

• Dozat, 2015.