► Keras 3 API 文档 / 优化器 / Adamax

Adamax

[来源]

Adamax 类

keras.optimizers.Adamax(
    learning_rate=0.001,
    beta_1=0.9,
    beta_2=0.999,
    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="adamax",
    **kwargs
)

实现 Adamax 算法的优化器。

Adamax 是基于无穷范数的 Adam 变体，是一种一阶梯度下降优化方法。由于它能够根据数据特征调整学习率，因此适用于学习时变过程，例如具有动态变化噪声条件的语音数据。默认参数遵循论文中提供的参数（见下面的参考文献）。

初始化

m = 0  # Initialize initial 1st moment vector
u = 0  # Initialize the exponentially weighted infinity norm
t = 0  # Initialize timestep

参数 w 的更新规则，梯度为 g，在论文第 7.1 节末尾描述（见参考文献部分）

t += 1
m = beta1 * m + (1 - beta) * g
u = max(beta2 * u, abs(g))
current_lr = learning_rate / (1 - beta1 ** t)
w = w - current_lr * m / (u + epsilon)

参数

  • learning_rate：浮点数、keras.optimizers.schedules.LearningRateSchedule 实例，或不接受参数并返回实际值的 callable。学习率。默认为 0.001。
  • beta_1：浮点值或常量浮点张量。一阶矩估计的指数衰减率。
  • beta_2：浮点值或常量浮点张量。指数加权无穷范数的指数衰减率。
  • epsilon：用于数值稳定性的小常数。 name：字符串。优化器创建的动量累加器权重使用的名称。
  • weight_decay：浮点数。如果设置，则应用权重衰减。
  • clipnorm：浮点数。如果设置，则单独剪裁每个权重的梯度，使其范数不高于此值。
  • clipvalue：浮点数。如果设置，则剪裁每个权重的梯度，使其不高于此值。
  • global_clipnorm：浮点数。如果设置，则剪裁所有权重的梯度，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（因为权重值在每次训练批次后都会发生变化），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 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中途覆盖模型变量，您需要在训练结束时显式地调用 optimizer.finalize_variable_values() 来覆盖变量（这将就地更新模型变量）。使用内置的 fit() 训练循环时，这会在最后一个 epoch 结束后自动完成，您不需要做任何操作。
  • loss_scale_factor：浮点数或 None。如果为浮点数，则损失将在计算梯度之前乘以缩放因子，变量更新之前的梯度将乘以缩放因子的倒数。在混合精度训练期间防止下溢有用。或者，keras.optimizers.LossScaleOptimizer 会自动设置损失缩放因子。
  • 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一步更新；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（优化器步数 // 梯度累积步数）。学习率调度将查看“真实”迭代值（优化器步数）。

参考文献

Adamax
Adamax 类