亚当
Adam 类
keras.optimizers.Adam(
learning_rate=0.001,
beta_1=0.9,
beta_2=0.999,
epsilon=1e-07,
amsgrad=False,
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="adam",
**kwargs
)
实现 Adam 算法的优化器。
Adam 优化是一种随机梯度下降方法，它基于一阶和二阶矩的自适应估计。
根据 Kingma 等人，2014，该方法“计算效率高，内存需求低，对梯度对角重新缩放不变，并且非常适合数据/参数量大的问题”。
参数
- learning_rate: 一个浮点数，一个
keras.optimizers.schedules.LearningRateSchedule实例，或一个不带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。 - beta_1：一个浮点数值或一个常量浮点数张量，或者一个不带参数并返回要使用的实际值的可调用对象。用于一阶矩估计的指数衰减率。默认为
0.9。 - beta_2：一个浮点数值或一个常量浮点数张量，或者一个不带参数并返回要使用的实际值的可调用对象。用于二阶矩估计的指数衰减率。默认为
0.999。 - epsilon：一个用于数值稳定性的较小常数。这个 epsilon 是 Kingma 和 Ba 论文中的“epsilon hat”（在第 2.1 节之前的公式中），而不是论文算法 1 中的 epsilon。默认为
1e-7。 - amsgrad：布尔值。是否应用论文“On the Convergence of Adam and beyond”中的此算法的 AMSGrad 变体。默认为
False。 - 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，则单独裁剪每个权重的梯度，使其范数不高于此值。
- clipvalue: 浮点数。如果设置，则裁剪每个权重的梯度，使其不高于此值。
- global_clipnorm: 浮点数。如果设置，则裁剪所有权重的梯度，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（随着每次训练批次后权重值的变化），并定期用它们的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。这是计算模型权重的 EMA 时要使用的动量：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ema_overwrite_frequency步迭代，我们将模型变量用其移动平均值覆盖。如果为 None，则优化器不会在训练中间覆盖模型变量，您需要在训练结束时通过调用optimizer.finalize_variable_values()来显式覆盖变量（这会就地更新模型变量）。当使用内置的fit()训练循环时，这会在最后一个 epoch 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，损失将乘以缩放因子，并且在更新变量之前，梯度将乘以缩放因子的倒数。对于防止混合精度训练期间的下溢很有用。或者，keras.optimizers.LossScaleOptimizer将自动设置损失缩放因子。 - gradient_accumulation_steps：整数或
None。如果为整数，则不会在每一步更新模型和优化器变量；而是每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（优化器步骤 // gradient_accumulation_steps）。学习率调度将查看“实际”迭代值（优化器步骤）。