Nadam

[源代码]

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：浮点值或常量浮点张量，或不带参数并返回实际值的可调用对象。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，或不带参数并返回实际值的可调用对象。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 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，每个权重的梯度将单独裁剪，使其范数不高于此值。
• clipvalue：浮点数。如果设置，每个权重的梯度将被裁剪，使其不高于此值。
• 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（因为权重值在每个训练批次后都会改变），并定期用其移动平均覆盖权重。
• 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 ema_overwrite_frequency 迭代步，我们都会用其移动平均覆盖模型变量。如果为 None，优化器不会在训练中途覆盖模型变量，您需要在训练结束时通过调用 optimizer.finalize_variable_values()（这将原地更新模型变量）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，您无需执行任何操作。
• loss_scale_factor：浮点数或 None。如果是浮点数，则在计算梯度之前将比例因子乘以损失，并在更新变量之前将梯度的逆比例因子乘以梯度。这对于混合精度训练中防止下溢很有用。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，为了减少每个更新步骤的梯度噪声时，这会很有用。EMA 频率将查看“累积”迭代值（优化器步数 // gradient_accumulation_steps）。学习率调度将查看“实际”迭代值（优化器步数）。

参考

• Dozat, 2015.