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 时防止中间梯度出现数值下溢的技术。为防止下溢,损失会乘以(或“缩放”)一个称为“损失比例 (loss scale)”的因子,这也会导致中间梯度按损失比例缩放。最终梯度再除以(或“反缩放”)损失比例,以恢复到其原始值。
LossScaleOptimizer
包装另一个优化器,并对其应用动态损失缩放。损失比例会随时间动态更新,具体如下:- 在任何训练步骤中,如果遇到非有限梯度,则损失比例减半,并跳过该训练步骤。- 如果自上次更新损失比例以来已经过了 dynamic_growth_steps
步,且没有出现非有限梯度,则损失比例加倍。
参数
keras.optimizers.Optimizer
实例。dynamic_growth_steps
步的有限梯度后,损失比例加倍。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(随着每个训练批次后权重值的变化),并定期用其移动平均值覆盖权重。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
。None
,默认为 None
。仅在 use_ema=True
时使用。每经过 ema_overwrite_frequency
次迭代步骤,我们用其移动平均值覆盖模型变量。如果为 None
,优化器在训练期间不会覆盖模型变量,您需要在训练结束时通过调用 optimizer.finalize_variable_values()
(它会原地更新模型变量)来显式覆盖变量。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。None
。如果为浮点数,在计算梯度之前,损失将乘以该比例因子;在更新变量之前,梯度将乘以该比例因子的倒数。这对于混合精度训练期间防止下溢非常有用。或者,keras.optimizers.LossScaleOptimizer
将自动设置一个损失比例因子。None
。如果为整数,模型和优化器变量将不会在每个步骤更新;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。这称为“梯度累积”。当您的批次大小非常小时,这非常有用,可以减少每个更新步骤的梯度噪声。EMA 频率将查看“累积”迭代值(优化器步数 // gradient_accumulation_steps)。学习率调度器将查看“实际”迭代值(优化器步数)。