AdamW

`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 AdamW 算法的优化器。

AdamW 优化是一种随机梯度下降方法，它基于一阶和二阶矩的自适应估计，并增加了一种根据 Loshchilov、Hutter 等人于 2019 年发表的论文《解耦权重衰减正则化》中讨论的技术来衰减权重的方法。

根据 Kingma 等人，2014，底层的 Adam 方法“计算效率高，内存需求小，对梯度的对角重新缩放不变，并且非常适合数据/参数量大的问题”。

参数

learning_rate：浮点数、keras.optimizers.schedules.LearningRateSchedule 实例，或不带参数并返回实际值的可调用对象。学习率。默认为 0.001。
beta_1：浮点值或常量浮点张量，或不带参数并返回实际值的可调用对象。一阶矩估计的指数衰减率。默认为 0.9。
beta_2：浮点值或常量浮点张量，或不带参数并返回实际值的可调用对象。二阶矩估计的指数衰减率。默认为 0.999。
epsilon：用于数值稳定的小常数。此 epsilon 是 Kingma 和 Ba 论文中的“epsilon hat”（在第 2.1 节之前的公式中），而不是论文中算法 1 中的 epsilon。默认为 1e-7。
amsgrad：布尔值。是否应用论文“关于 Adam 收敛性及超越”中此算法的 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，每个权重的梯度将单独裁剪，使其范数不高于此值。
clipvalue：浮点数。如果设置，每个权重的梯度将被裁剪，使其不高于此值。
global_clipnorm：浮点数。如果设置，所有权重的梯度将被裁剪，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（因为权重值在每个训练批次后都会改变），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。每迭代 ema_overwrite_frequency 步，我们都会用其移动平均值覆盖模型变量。如果为 None，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()（这将就地更新模型变量）来显式覆盖变量。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缩放因子乘以损失，并在更新变量之前将缩放因子的倒数乘以梯度。有助于防止混合精度训练期间的下溢。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，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，可以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）。学习率调度将查看“实际”迭代值（优化器步数）。

参考文献

AdamW

AdamW 类

AdamW

AdamW 类

`AdamW` 类