Adadelta
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，以解决两个缺点：
- 学习率在整个训练过程中的持续衰减。
- 需要手动选择全局学习率。
Adadelta 是 Adagrad 的更稳健的扩展，它基于梯度更新的移动窗口来调整学习率，而不是累积所有过去的梯度。这样，即使已经完成了很多更新，Adadelta 仍然可以继续学习。与 Adagrad 相比，在原始版本的 Adadelta 中，您不必设置初始学习率。在这个版本中，可以像大多数其他 Keras 优化器一样设置初始学习率。
参数
- learning_rate: 一个浮点数，一个
keras.optimizers.schedules.LearningRateSchedule实例，或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。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。为了与原始论文中的确切形式匹配，请使用 1.0。 - rho: 一个浮点值。衰减率。默认为
0.95。 - epsilon: 用于维持数值稳定性的小的浮点值。
- 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，我们会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。这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。如果为整数，则模型和优化器变量不会在每个步骤都更新；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，以减少每个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 // gradient_accumulation_steps）。学习率调度将查看“实际”迭代值（优化器步骤）。
参考