Adadelta

[来源]

Adadelta 类

keras.optimizers.Adadelta(
    learning_rate=0.001,
    rho=0.95,
    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="adadelta",
    **kwargs
)

实现 Adadelta 算法的优化器。

Adadelta 优化是一种随机梯度下降方法，它基于每个维度的自适应学习率来解决两个缺点：

• 整个训练过程中学习率的持续衰减。
• 需要手动选择全局学习率。

Adadelta 是 Adagrad 的更稳健的扩展，它根据梯度更新的滑动窗口来调整学习率，而不是累积所有过去的梯度。这样，即使已经进行了许多更新，Adadelta 仍然可以继续学习。与 Adagrad 相比，在 Adadelta 的原始版本中，您不必设置初始学习率。在这个版本中，可以设置初始学习率，就像大多数其他 Keras 优化器一样。

参数

• learning_rate：浮点数，一个 keras.optimizers.schedules.LearningRateSchedule 实例，或者是一个不带参数并返回实际值的函数。学习率。默认为 0.001。请注意，与其他优化器相比，Adadelta 往往受益于更高的初始学习率值。为了匹配论文中的原始形式，请使用 1.0。
• rho：一个浮点数。衰减率。默认为 0.95。
• epsilon：用于维护数值稳定性的较小的浮点数。
• name：字符串。优化器创建的动量累加器权重使用的名称。
• 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，则对所有权重的梯度进行裁剪，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值（随着每次训练批次后权重值的变化），并定期用它们的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，则优化器在训练过程中不会覆盖模型变量，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()（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 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，则在计算梯度之前将损失比例因子乘以损失，并在更新变量之前将比例因子的倒数乘以梯度。对于防止混合精度训练期间下溢很有用。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，这很有用，可以减少每次更新步骤的梯度噪声。EMA 频率将查看“累积”迭代值（优化器步骤 // 梯度累积步骤）。学习率调度将查看“真实”迭代值（优化器步骤）。

参考

• Zeiler，2012