Adagrad
类keras.optimizers.Adagrad(
learning_rate=0.001,
initial_accumulator_value=0.1,
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="adagrad",
**kwargs
)
实现了 Adagrad 算法的优化器。
Adagrad 是一种优化器,它使用参数特定的学习率,这些学习率会根据参数在训练期间更新的频率进行调整。参数接收的更新越多,更新就越小。
参数
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,Adagrad
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
。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。use_ema=True
时使用。这是在计算模型权重的 EMA 时使用的动量:new_average = ema_momentum * old_average + (1 - ema_momentum) * current_variable_value
。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,则优化器不会在训练过程中覆盖模型变量,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。None
。如果为浮点数,则比例因子将在计算梯度之前乘以损失,并且比例因子的倒数将在更新变量之前乘以梯度。有助于防止混合精度训练期间的下溢。或者,keras.optimizers.LossScaleOptimizer
将自动设置损失比例因子。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时,这可能很有用,以便减少每个更新步骤的梯度噪声。EMA 频率将查看“累积”迭代值(优化器步数 // gradient_accumulation_steps)。学习率调度将查看“真实”迭代值(优化器步数)。参考文献