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
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
。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。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
。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。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。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