Adadelta

[源代码]

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
)

实现了 Adadelta 算法的优化器。

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

• 在训练过程中学习率的持续衰减。
• 需要手动选择的全局学习率。

Adadelta 是 Adagrad 的一个更鲁棒的扩展，它基于梯度更新的移动窗口来适应学习率，而不是累积所有过去的梯度。这样，即使进行了很多更新，Adadelta 也能继续学习。与 Adagrad 相比，在 Adadelta 的原始版本中，您无需设置初始学习率。在此版本中，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: 一个浮点数、一个 keras.optimizers.schedules.LearningRateSchedule 实例，或者一个不带参数的 callable，它返回实际要使用的值。学习率。默认为 0.001。请注意，与大多数其他优化器相比，Adadelta 通常受益于更高的初始学习率值。要匹配原始论文中的确切形式，请使用 1.0。
• rho: 一个浮点值。衰减率。默认为 0.95。
• epsilon: 用于保持数值稳定的小浮点值。
• 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，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 包括在模型权重（随着训练批次更新）上计算权重的指数移动平均，并定期用其移动平均值覆盖权重。
• ema_momentum：浮点数，默认为 0.99。仅当 use_ema=True 时使用。这是在计算模型权重 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。仅当 use_ema=True 时使用。每进行 ema_overwrite_frequency 步迭代，我们就用其移动平均值覆盖模型变量。如果为 None，优化器不会在训练中间覆盖模型变量，您需要通过调用 optimizer.finalize_variable_values()（该函数会就地更新模型变量）来显式覆盖变量。使用内置的 fit() 训练循环时，这会在最后一个 epoch 之后自动完成，您无需执行任何操作。
• loss_scale_factor：浮点数或 None。如果是浮点数，将用该缩放因子乘以损失值，然后再计算梯度，并将梯度的逆乘以缩放因子，然后再更新变量。有助于防止混合精度训练期间的下溢。或者，keras.optimizers.LossScaleOptimizer 会自动设置损失缩放因子。
• gradient_accumulation_steps：整数或 None。如果为整数，模型和优化器变量将不会在每一步更新；而是每 gradient_accumulation_steps 步更新一次，使用自上次更新以来的平均梯度值。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，目的是减少每次更新步骤中的梯度噪声。EMA 频率将查看“累积”的迭代次数（optimizer steps // gradient_accumulation_steps）。学习率调度器将查看“实际”的迭代次数（optimizer steps）。

参考

• Zeiler, 2012