损失缩放优化器
LossScaleOptimizer 类
keras.optimizers.LossScaleOptimizer(
inner_optimizer, initial_scale=32768.0, dynamic_growth_steps=2000, **kwargs
)
动态缩放损失以防止下溢的优化器。
损失缩放是一种技术，用于在使用 float16 时防止中间梯度中的数值下溢。为了防止下溢，损失会乘以（或“缩放”）一个称为“损失缩放”的特定因子，这会导致中间梯度也乘以损失缩放。最终的梯度除以（或“取消缩放”）损失缩放，以将其恢复到原始值。
LossScaleOptimizer 包装另一个优化器，并对其应用动态损失缩放。此损失缩放会随着时间的推移而动态更新，如下所示：- 在任何训练步骤中，如果遇到非有限梯度，则损失缩放将减半，并跳过训练步骤。- 如果自上次更新损失缩放以来发生了 dynamic_growth_steps，并且没有发生非有限梯度，则损失缩放将加倍。
参数
- inner_optimizer:
keras.optimizers.Optimizer实例，用于包装。 - initial_scale: 浮点数。初始损失缩放。此缩放将在训练期间更新。建议将其设置为一个非常大的数字，因为过高的损失缩放比过低的损失缩放下降得更快。
- dynamic_growth_steps: 整数。更新向上缩放的频率。在每
dynamic_growth_steps步具有有限梯度后，损失缩放会加倍。 - 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，则会单独剪裁每个权重的梯度，使其范数不高于此值。
- clipvalue: 浮点数。如果设置，则会剪裁每个权重的梯度，使其不高于此值。
- global_clipnorm: 浮点数。如果设置，则会剪裁所有权重的梯度，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（随着每个训练批次后权重值发生变化），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。在每ema_overwrite_frequency步迭代中，我们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()（这会原地更新模型变量）来显式覆盖变量。在使用内置fit()训练循环时，这会在最后一个 epoch 之后自动发生，您不需要做任何操作。 - loss_scale_factor: 浮点数或
None。如果为浮点数，则在计算梯度之前，缩放因子将乘以损失，在更新变量之前，缩放因子的倒数将乘以梯度。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，模型和优化器变量不会在每一步都更新；相反，它们将在每gradient_accumulation_steps步更新一次，使用自上次更新以来的梯度平均值。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“真实”迭代值（优化器步骤）。