AdamW
类keras.optimizers.AdamW(
learning_rate=0.001,
weight_decay=0.004,
beta_1=0.9,
beta_2=0.999,
epsilon=1e-07,
amsgrad=False,
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="adamw",
**kwargs
)
实现了 AdamW 算法的优化器。
AdamW 优化是一种随机梯度下降方法,它基于一阶矩和二阶矩的自适应估计,并增加了一种根据论文“解耦权重衰减正则化”(Loshchilov, Hutter 等, 2019)中讨论的技术来衰减权重的方法。
根据 Kingma 等, 2014,底层 Adam 方法“计算效率高,内存需求少,对梯度对角重缩放不变,非常适合数据/参数量大的问题”。
参数
keras.optimizers.schedules.LearningRateSchedule
实例,或一个不接受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
。0.9
。0.999
。False
。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(随着权重值在每个训练批次后发生变化),并定期用其移动平均值覆盖权重。use_ema=True
时使用。这是在计算模型权重的 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。在每 ema_overwrite_frequency
步迭代中,我们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()
(这将就地更新模型变量)来显式覆盖变量。当使用内置的 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
。如果为浮点数,则在计算梯度之前,比例因子将与损失相乘,并且在更新变量之前,比例因子的倒数将与梯度相乘。这对于防止混合精度训练期间的下溢非常有用。或者,keras.optimizers.LossScaleOptimizer
将自动设置损失比例因子。None
。如果为整数,则模型和优化器变量不会在每个步骤都更新;而是每 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,这可能很有用,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(优化器步数 // gradient_accumulation_steps)。学习率计划将查看“实际”迭代值(优化器步数)。参考文献
adam
amsgrad
。