损失缩放优化器

[源代码]

LossScaleOptimizer 类

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。

损失缩放是一种在使用 float16 时防止中间梯度数值下溢的技术。为了防止下溢，损失乘以（或“缩放”）一个称为“损失缩放”的特定因子，这也会导致中间梯度按损失缩放因子进行缩放。最终的梯度除以（或“取消缩放”）损失缩放因子，以使其恢复到原始值。

LossScaleOptimizer 封装了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，损失缩放减半，并跳过该训练步骤。 - 如果自上次更新损失缩放以来已经发生了 dynamic_growth_steps 步，并且没有发生非有限梯度，则损失缩放加倍。

参数

• inner_optimizer：要封装的 keras.optimizers.Optimizer 实例。
• initial_scale：浮点数。初始损失缩放。此缩放将在训练期间更新。建议将此值设为非常高的数字，因为过高的损失缩放会比过低的损失缩放更快地降低。
• dynamic_growth_steps：整数。向上更新缩放的频率。每隔 dynamic_growth_steps 步的有限梯度后，损失缩放加倍。
• 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，每个权重的梯度将单独裁剪，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（因为权重值在每个训练批次后都会改变），并定期用其移动平均覆盖权重。
• 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。每迭代 ema_overwrite_frequency 步，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中间覆盖模型变量，您需要在训练结束时通过调用 optimizer.finalize_variable_values()（它会原地更新模型变量）来明确覆盖变量。当使用内置的 fit() 训练循环时，这会在最后一个 epoch 之后自动发生，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缩放因子乘以损失，并在更新变量之前将缩放因子倒数乘以梯度。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。如果为整数，则模型和优化器变量不会在每一步都更新；而是每隔 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，以便减少每个更新步骤中的梯度噪声时，这可能很有用。EMA 频率将查看“累积”迭代值（优化器步数 // gradient_accumulation_steps）。学习率调度将查看“实际”迭代值（优化器步数）。