Keras 3 API 文档 / 优化器 / Adadelta

Adadelta

[源]

Adadelta

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
)

实现了 Adadelta 算法的优化器。

Adadelta 优化是一种基于每维度自适应学习率的随机梯度下降方法,旨在解决两个缺点:

  • 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 的一个更健壮的扩展,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。通过这种方式,即使进行了多次更新,Adadelta 也能持续学习。与 Adagrad 相比,Adadelta 的原始版本无需设置初始学习率。在此版本中,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: 浮点数,或一个 keras.optimizers.schedules.LearningRateSchedule 实例,或一个无需参数并返回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 倾向于从较高的初始学习率中获益。为了与原始论文中的确切形式匹配,请使用 1.0。
  • rho: 浮点数。衰减率。默认为 0.95
  • epsilon: 用于保持数值稳定性的微小浮点值。
  • 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,则对每个权重的梯度单独进行裁剪,使其范数不高于此值。
  • clipvalue: 浮点数。如果设置,则将每个权重的梯度裁剪至不高于此值。
  • 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(随着每个训练批次后权重值的变化),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。每隔 ema_overwrite_frequency 迭代步,我们将模型变量用其移动平均值覆盖。如果为 None,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()(它会原地更新模型变量)来显式覆盖变量。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,损失将乘以该比例因子;在更新变量之前,梯度将乘以该比例因子的倒数。有助于防止混合精度训练期间的下溢。或者,keras.optimizers.LossScaleOptimizer 会自动设置一个损失比例因子。
  • gradient_accumulation_steps: 整数或 None。如果为整数,模型和优化器变量不会在每个步骤更新;相反,它们将每隔 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”。当您的批量大小非常小时,这很有用,可以减少每次更新步骤中的梯度噪声。EMA 频率将查看“累积”迭代值(优化器步数 // gradient_accumulation_steps)。学习率调度器将查看“实际”迭代值(优化器步数)。

参考