Adagrad

[源]

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 Adagrad 算法的优化器。

Adagrad 是一种具有参数特定学习率的优化器，其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，更新幅度越小。

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，Adagrad 通常受益于更高的初始学习率。为了与原始论文中的形式精确匹配，请使用 1.0。
• initial_accumulator_value: 浮点数值。累加器（每个参数的动量值）的起始值。必须是非负数。
• epsilon: 用于维持数值稳定性的微小浮点数值。
• 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，则每个权重的梯度将单独被裁剪，使其范数不超过此值。
• clipvalue: 浮点数。如果设置，则每个权重的梯度将被裁剪，使其不超过此值。
• global_clipnorm: 浮点数。如果设置，则所有权重的梯度将被裁剪，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（因为权重值在每个训练批次后都会变化），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。每经过 ema_overwrite_frequency 步迭代，我们都会用模型的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()（该方法会就地更新模型变量）显式覆盖变量。在使用内置的 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。如果是浮点数，在计算梯度之前，损失将乘以该比例因子；在更新变量之前，梯度将乘以比例因子的倒数。这有助于防止混合精度训练期间发生下溢。另外，keras.optimizers.LossScaleOptimizer 会自动设置损失比例因子。
• gradient_accumulation_steps: 整数或 None。如果是整数，模型和优化器变量不会在每一步更新；相反，它们会在每 gradient_accumulation_steps 步更新一次，使用自上次更新以来梯度的平均值。这称为“梯度累积”。当您的批量大小非常小时，这会很有用，可以减少每个更新步骤中的梯度噪声。EMA 频率将查看“累积”迭代次数（优化器步数 // gradient_accumulation_steps）。学习率调度器将查看“实际”迭代次数（优化器步数）。

参考文献

• Duchi et al., 2011.