Ftrl

[源]

Ftrl

keras.optimizers.Ftrl(
    learning_rate=0.001,
    learning_rate_power=-0.5,
    initial_accumulator_value=0.1,
    l1_regularization_strength=0.0,
    l2_regularization_strength=0.0,
    l2_shrinkage_regularization_strength=0.0,
    beta=0.0,
    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="ftrl",
    **kwargs
)

实现 FTRL 算法的优化器。

"Follow The Regularized Leader" (FTRL) 是一种优化算法,由 Google 在 2010 年代早期开发,用于点击率预测。它最适合具有大型稀疏特征空间的浅层模型。该算法由 McMahan 等人,2013 描述。Keras 版本支持在线 L2 正则化(上述论文中描述的 L2 正则化)和收缩型 L2 正则化(即在损失函数中加入 L2 惩罚)。

初始化

n = 0
sigma = 0
z = 0

单个变量 w 的更新规则

prev_n = n
n = n + g ** 2
sigma = (n ** -lr_power - prev_n ** -lr_power) / lr
z = z + g - sigma * w
if abs(z) < lambda_1:
  w = 0
else:
  w = (sgn(z) * lambda_1 - z) / ((beta + sqrt(n)) / alpha + lambda_2)

符号

  • lr 是学习率
  • g 是变量的梯度
  • lambda_1 是 L1 正则化强度
  • lambda_2 是 L2 正则化强度
  • lr_power 是缩放 n 的幂次。

启用收缩时,请参阅 l2_shrinkage_regularization_strength 参数的文档以了解更多详情,在这种情况下,梯度将被替换为带有收缩的梯度。

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可调用对象。学习率。默认为 0.001
  • learning_rate_power: 浮点数,必须小于或等于零。控制训练期间学习率的下降方式。使用零表示固定学习率。
  • initial_accumulator_value: 累加器的起始值。只允许零或正值。
  • l1_regularization_strength: 浮点数,必须大于或等于零。默认为 0.0
  • l2_regularization_strength: 浮点数,必须大于或等于零。默认为 0.0
  • l2_shrinkage_regularization_strength: 浮点数,必须大于或等于零。这与上面的 L2 不同,上面的 L2 是一个稳定惩罚,而这里的 L2 收缩是一个幅度惩罚。当输入稀疏时,收缩只会发生在激活的权重上。
  • beta: 浮点数,表示论文中的 beta 值。默认为 0.0
  • 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,将应用权重衰减。
  • clipnorm: 浮点数。如果设置,每个权重的梯度将单独裁剪,使其范数不超过该值。
  • clipvalue: 浮点数。如果设置,每个权重的梯度将被裁剪到不高于该值。
  • global_clipnorm: 浮点数。如果设置,所有权重的梯度将被裁剪,使其全局范数不超过该值。
  • 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(随着每个训练批次后权重值的变化)的指数移动平均,并周期性地用其移动平均覆盖权重。
  • 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:新平均值 = ema_momentum * 旧平均值 + (1 - ema_momentum) * 当前变量值
  • ema_overwrite_frequency: 整数或 None,默认为 None。仅在 use_ema=True 时使用。每 ema_overwrite_frequency 个迭代步,我们用其移动平均覆盖模型变量。如果为 None,则优化器在训练中途不覆盖模型变量,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)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 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缩放因子,并在更新变量之前将梯度乘以缩放因子的倒数。有助于防止混合精度训练期间下溢。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都更新;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”。当批量大小非常小时,这很有用,可以减少每次更新步骤中的梯度噪声。EMA 频率将查看“累积”迭代值(优化器步数 // gradient_accumulation_steps)。学习率调度器将查看“实际”迭代值(优化器步数)。