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改善收敛性，尤其是在大型批次大小的情况下。

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。
• beta_1：浮点值或常量浮点张量，或一个不带参数并返回实际值的可调用对象。第一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，或一个不带参数并返回实际值的可调用对象。第二矩估计的指数衰减率。默认为 0.999。
• epsilon：一个小常数，用于数值稳定性。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，则单独裁剪每个权重的梯度，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裁剪为不高于此值。
• global_clipnorm：浮点数。如果设置，则裁剪所有权重的梯度，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 ema_overwrite_frequency 步迭代，我们用其移动平均值覆盖模型变量。如果为 None，则优化器在训练过程中不会覆盖模型变量，并且您需要在训练结束时通过调用 optimizer.finalize_variable_values()（它会就地更新模型变量）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。在混合精度训练期间，这有助于防止下溢。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。这称为“梯度累积”。当您的批次大小非常小时，这很有用，以便在每个更新步骤中减少梯度噪声。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“真实”迭代值（优化器步骤）。

参考文献

• Yang 等人。