Lamb

[源代码]

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，它使用逐层自适应矩来根据权重范数与梯度范数的比率调整每个参数的学习率。这有助于稳定训练过程并提高收敛速度，尤其是在大批量大小时。

参数

• learning_rate: 一个浮点数，一个 keras.optimizers.schedules.LearningRateSchedule 实例，或一个不接受任何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。
• beta_1: 一个浮点数值或一个常量浮点张量，或一个不接受任何参数并返回要使用的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: 一个浮点数值或一个常量浮点张量，或一个不接受任何参数并返回要使用的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: 一个用于数值稳定性的很小的常量。默认为 1e-7。
• 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，则每个权重的梯度都会被单独裁剪，使其范数不高于此值。
• clipvalue: 浮点数。如果设置，则每个权重的梯度都会被裁剪为不高于此值。
• global_clipnorm: 浮点数。如果设置，则所有权重的梯度都会被裁剪，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更改），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 ema_overwrite_frequency 次迭代步骤，我们都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。
• loss_scale_factor: 浮点数或 None。如果为浮点数，则缩放因子将与计算梯度之前的损失相乘，并且缩放因子的倒数将与更新变量之前的梯度相乘。这对于防止混合精度训练期间的下溢很有用。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，则不会在每个步骤更新模型和优化器变量；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”。当您的批量大小非常小时，这很有用，以便减少每个更新步骤的梯度噪声。EMA 频率将查看“累积的”迭代值（优化器步骤 // gradient_accumulation_steps）。学习率调整将查看“真实”的迭代值（优化器步骤）。

参考文献

• Yang et al.