Keras 3 API 文档 / 优化器 / 损失缩放优化器

损失缩放优化器

[源代码]

LossScaleOptimizer

keras.optimizers.LossScaleOptimizer(
    inner_optimizer, initial_scale=32768.0, dynamic_growth_steps=2000, **kwargs
)

一种动态缩放损失以防止下溢的优化器。

损失缩放是一种防止在使用 float16 时中间梯度中出现数值下溢的技术。为了防止下溢,损失会乘以(或“缩放”)某个称为“损失缩放比例”的因子,这会导致中间梯度也按损失缩放比例进行缩放。最终梯度会除以(或“反向缩放”)损失缩放比例,使其恢复到原始值。

LossScaleOptimizer 包装另一个优化器并对其应用动态损失缩放。此损失缩放比例随时间动态更新,如下所示:- 在任何训练步骤中,如果遇到非有限梯度,则损失缩放比例减半,并跳过训练步骤。- 如果自上次更新损失缩放比例以来已发生 dynamic_growth_steps 步,并且没有发生非有限梯度,则损失缩放比例加倍。

参数

  • inner_optimizer:要包装的 keras.optimizers.Optimizer 实例。
  • initial_scale:浮点数。初始损失缩放比例。此缩放比例将在训练期间更新。建议将其设置为非常高的数字,因为损失缩放比例过高会比损失缩放比例过低更快地降低。
  • dynamic_growth_steps:整数。多久向上更新缩放比例。在每 dynamic_growth_steps 步有限梯度之后,损失缩放比例加倍。
  • 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,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(随着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。这是在计算模型权重的 EMA 时要使用的动量: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,我们用模型的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,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)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。如果是浮点数,则缩放因子将在计算梯度之前乘以损失,并且缩放因子的倒数将在更新变量之前乘以梯度。有助于防止混合精度训练期间的下溢。或者,keras.optimizers.LossScaleOptimizer 将自动设置损失缩放因子。
  • gradient_accumulation_steps:整数或 None。如果是整数,则模型和优化器变量不会在每个步骤都更新;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。这被称为“梯度累积”。当您的批次大小非常小时,这可能很有用,以减少每个更新步骤中的梯度噪声。EMA 频率将查看“累积”迭代值(优化器步骤 // gradient_accumulation_steps)。学习率 schedules 将查看“实际”迭代值(优化器步骤)。