Nadam

[源代码]

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。

就像 Adam 本质上是带有动量的 RMSprop 一样,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,或一个可调用对象,该对象不接受参数并返回要使用的实际值。学习率。默认为 0.001
  • beta_1:一个浮点值或一个常量浮点张量,或一个可调用对象,该对象不接受参数并返回要使用的实际值。一阶矩估计的指数衰减率。默认为 0.9
  • beta_2:一个浮点值或一个常量浮点张量,或一个可调用对象,该对象不接受参数并返回要使用的实际值。二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。这个 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,则每个权重的梯度都会被单独裁剪,使其范数不高于此值。
  • clipvalue:浮点数。如果设置,则每个权重的梯度都会被裁剪为不高于此值。
  • global_clipnorm:浮点数。如果设置,则所有权重的梯度都会被裁剪,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值(随着权重值在每个训练批次后发生变化),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。这是在计算模型权重的 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,我们用模型的移动平均值覆盖模型变量。如果为 None,则优化器不会在训练过程中覆盖模型变量,您需要在训练结束时通过调用 optimizer.finalize_variable_values() 显式覆盖变量(这将就地更新模型变量)。当使用内置的 fit() 训练循环时,这会在最后一个 epoch 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,比例因子将乘以损失,并且在更新变量之前,比例因子的倒数将乘以梯度。有助于防止混合精度训练期间的下溢。或者,keras.optimizers.LossScaleOptimizer 将自动设置损失比例因子。
  • gradient_accumulation_steps:整数或 None。如果为整数,则模型和优化器变量不会在每一步都更新;而是每 gradient_accumulation_steps 步更新一次,使用自上次更新以来梯度的平均值。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)。

参考文献