Ftrl

[源代码]

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。

“跟随正则化领导者”(FTRL)是一种由 Google 在 2010 年代初期开发的用于点击率预测的优化算法。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 年描述。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(即向损失函数添加 L2 惩罚)。

初始化

n = 0
sigma = 0
z = 0

一个变量 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。

启用收缩时,请查看 l2_shrinkage_regularization_strength 参数的文档以了解更多详细信息,在这种情况下,梯度将替换为具有收缩的梯度。

参数

  • learning_rate:浮点数、keras.optimizers.schedules.LearningRateSchedule 实例或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
  • learning_rate_power:浮点值,必须小于或等于零。控制训练期间学习率的下降方式。对于固定学习率,使用零。
  • initial_accumulator_value:累加器的起始值。仅允许零或正值。
  • l1_regularization_strength:浮点值,必须大于或等于零。默认为 0.0
  • l2_regularization_strength:浮点值,必须大于或等于零。默认为 0.0
  • l2_shrinkage_regularization_strength:浮点值,必须大于或等于零。这与上面的 L2 不同,因为上面的 L2 是一个稳定惩罚,而这个 L2 收缩是一个幅度惩罚。当输入稀疏时,收缩只会发生在活动权重上。
  • beta:浮点值,表示论文中的 beta 值。默认为 0.0
  • 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,则单独剪辑每个权重的梯度,使其范数不高于此值。
  • clipvalue:浮点数。如果设置,则将每个权重的梯度剪辑为不高于此值。
  • global_clipnorm:浮点数。如果设置,则剪辑所有权重的梯度,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(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。
  • 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。每隔 ema_overwrite_frequency 步迭代,我们就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,并且您需要在训练结束时通过调用 optimizer.finalize_variable_values() 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,则在计算梯度之前将损失乘以比例因子,并在更新变量之前将梯度乘以比例因子的倒数。这有助于防止混合精度训练期间的下溢。或者,keras.optimizers.LossScaleOptimizer 将自动设置损失比例因子。
  • 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个步骤都更新;而是使用自上次更新以来梯度的平均值,每隔 gradient_accumulation_steps 步更新一次。这称为“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(优化器步骤 // 梯度累积步骤)。学习率调度将查看“实际”迭代值(优化器步骤)。