损失缩放优化器
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）。