Adagrad

[源代码]

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，这些学习率相对于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，更新越小。

参数

• learning_rate：浮点数、keras.optimizers.schedules.LearningRateSchedule 实例或一个不带参数并返回实际值的回调函数。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。要匹配原始论文中的精确形式，请使用 1.0。
• initial_accumulator_value：浮点数。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小浮点数。
• name：字符串。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，则单独剪辑每个权重的梯度，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剪辑为不高于此值。
• global_clipnorm：浮点数。如果设置，则剪辑所有权重的梯度，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值（权重值在每次训练批次后发生变化），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 步迭代，我们就会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()（它会就地更新模型变量）显式地覆盖变量。当使用内置的 fit() 训练循环时，这会在最后一个 epoch 之后自动发生，您无需执行任何操作。
• loss_scale_factor：浮点数或 None。如果为浮点数，则在计算梯度之前将损失乘以比例因子，并在更新变量之前将梯度乘以比例因子的倒数。这对于防止混合精度训练期间的下溢很有用。或者，keras.optimizers.LossScaleOptimizer 将自动设置损失比例因子。
• gradient_accumulation_steps：整数或 None。如果为整数，则模型和优化器变量不会在每个步骤更新；相反，它们将每 gradient_accumulation_steps 步更新一次，使用自上次更新以来梯度的平均值。这被称为“梯度累积”。当您的批次大小非常小时，这很有用，以便减少每次更新步骤的梯度噪声。EMA 频率将查看“累积”迭代值（优化器步骤 // 梯度累积步骤）。学习率调度将查看“真实”迭代值（优化器步骤）。

参考文献

• Duchi 等人，2011.