Nadam

[source]

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。

就像 Adam 本质上是带动量的 RMSprop 一样，Nadam 是带 Nesterov 动量的 Adam。

参数

• learning_rate: 浮点数，keras.optimizers.schedules.LearningRateSchedule 实例，或不带参数并返回要使用的实际值的调用函数。学习率。默认为 0.001。
• beta_1: 浮点值或常量浮点张量，或不带参数并返回要使用的实际值的调用函数。一阶矩估计的指数衰减率。默认为 0.9。
• beta_2: 浮点值或常量浮点张量，或不带参数并返回要使用的实际值的调用函数。二阶矩估计的指数衰减率。默认为 0.999。
• epsilon: 用于数值稳定性的小常数。此 epsilon 是 Kingma 和 Ba 论文中的“epsilon hat”（在第 2.1 节之前的公式中），而不是论文中算法 1 的 epsilon。默认为 1e-7。
• name: 字符串。要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，则对每个权重的梯度进行单独裁剪，使其范数不超过此值。
• clipvalue: 浮点数。如果设置，则将每个权重的梯度裁剪为不超过此值。
• global_clipnorm: 浮点数。如果设置，则将所有权重的梯度裁剪为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 包含计算模型权重的指数移动平均值（随着每次训练批次后权重值的改变），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 EMA 时要使用的动量：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 ema_overwrite_frequency 步迭代，我们用其移动平均值覆盖模型变量。如果为 None，则优化器在训练中间不会覆盖模型变量，您需要在训练结束时显式地覆盖变量，方法是调用 optimizer.finalize_variable_values()（它会就地更新模型变量）。当使用内置的 fit() 训练循环时，这将在最后一个时期之后自动发生，您无需执行任何操作。
• loss_scale_factor: 浮点数或 None。如果为浮点数，则在计算梯度之前，会将损失乘以缩放因子，并在更新变量之前，将梯度乘以缩放因子的倒数。对于防止混合精度训练期间的下溢有用。或者，keras.optimizers.LossScaleOptimizer 会自动设置损失缩放因子。
• gradient_accumulation_steps: 整数或 None。如果为整数，则模型和优化器变量不会在每一步都更新；相反，它们将每 gradient_accumulation_steps 步更新一次，使用自上次更新以来的梯度平均值。这被称为“梯度累积”。当您的批次大小非常小时，这可能很有用，以便在每次更新步骤中减少梯度噪声。EMA 频率将查看“累积”迭代值（优化器步数 // 梯度累积步数）。学习率计划将查看“实际”迭代值（优化器步数）。

参考

• Dozat, 2015.