Lamb

[源]

Lamb 类

keras.optimizers.Lamb(
    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="lamb",
    **kwargs
)

实现 Lamb 算法的优化器。

Lamb 是一种随机梯度下降方法，它使用逐层自适应动量，根据权重范数与梯度范数的比率来调整每个参数的学习率。这有助于稳定训练过程，并改善收敛性，特别是对于大批量大小。

参数

• learning_rate: 一个浮点数，一个 keras.optimizers.schedules.LearningRateSchedule 实例，或一个不接受参数并返回实际值的可调用对象。学习率。默认为 0.001。
• beta_1: 一个浮点数值或一个常数浮点张量，或一个不接受参数并返回实际值的可调用对象。第一阶矩估计的指数衰减率。默认为 0.9。
• beta_2: 一个浮点数值或一个常数浮点张量，或一个不接受参数并返回实际值的可调用对象。第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。默认为 1e-7。
• name: 字符串。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被裁剪，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（随着每个训练批次后权重值的变化），并周期性地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。这是计算模型权重的 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。每经过 ema_overwrite_frequency 迭代步骤，我们用模型的移动平均值覆盖模型变量。如果为 None，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。如果是一个浮点数，则在计算梯度之前会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。有助于防止在混合精度训练期间发生下溢。或者，keras.optimizers.LossScaleOptimizer 会自动设置损失缩放因子。
• gradient_accumulation_steps: 整数或 None。如果是一个整数，模型和优化器变量不会在每个步骤更新；相反，它们会在每 gradient_accumulation_steps 个步骤更新一次，使用自上次更新以来梯度的平均值。这被称为“梯度累积”。当您的批量大小非常小时，这可能很有用，以便减少每次更新步骤中的梯度噪声。EMA 频率将查看“累积”的迭代值（优化器步骤 // gradient_accumulation_steps）。学习率调度器将查看“实际”的迭代值（优化器步骤）。

参考文献

• Yang et al.