损失缩放优化器
LossScaleOptimizer 类
keras.optimizers.LossScaleOptimizer(
inner_optimizer, initial_scale=32768.0, dynamic_growth_steps=2000, **kwargs
)
一个动态缩放损失以防止下溢的优化器。
损失缩放是一种在 float16 被使用时防止中间梯度出现数值下溢的技术。为了防止下溢，损失会乘以一个称为“损失缩放”的特定因子，这会导致中间梯度也按损失缩放进行缩放。最终的梯度会除以（或“反缩放”）损失缩放，以将其恢复到原始值。
LossScaleOptimizer 封装另一个优化器，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，损失缩放会减半，并且跳过该训练步骤。 - 如果自上次更新损失缩放以来已经发生了 dynamic_growth_steps 次，并且没有发生非有限梯度，则损失缩放会加倍。
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。建议将其设置为一个非常大的数字，因为过高的损失缩放下降的速度远快于过低的损失缩放上升的速度。
- dynamic_growth_steps: 整数。向上更新缩放的频率。在每次具有有限梯度的
dynamic_growth_steps步骤之后，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，则会单独剪切每个权重的梯度，使其范数不高于此值。
- clipvalue: 浮点数。如果设置，则会将每个权重的梯度剪切为不高于此值。
- global_clipnorm: 浮点数。如果设置，则会剪切所有权重的梯度，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 包括计算模型的权重指数移动平均值（随着每次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。在每次迭代的ema_overwrite_frequency步骤后，我们将模型变量覆盖为其移动平均值。如果为 None，则优化器不会在训练过程中覆盖模型变量，您需要在训练结束时通过调用optimizer.finalize_variable_values()显式覆盖变量（这将就地更新模型变量）。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，损失将乘以缩放因子，并且在更新变量之前，梯度将乘以缩放因子的倒数。这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，则不会在每个步骤更新模型和优化器变量；而是每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，这很有用，以便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 // gradient_accumulation_steps）。学习率调度将查看“实际”迭代值（优化器步骤）。