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
keras.optimizers.Optimizer
实例。dynamic_growth_steps
步有限梯度之后,损失缩放比例加倍。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。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
。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。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。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)。