损失尺度优化器
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。
损失缩放是一种技术，用于在使用 float16 时防止中间梯度出现数值下溢。为了防止下溢，损失会乘以（或“缩放”）一个称为“损失尺度”的特定因子，这也会导致中间梯度乘以损失尺度。最终梯度除以（或“取消缩放”）损失尺度以将其恢复到原始值。
LossScaleOptimizer 包装另一个优化器并对其应用动态损失缩放。此损失尺度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，则损失尺度将减半，并且训练步骤将被跳过。- 如果自上次更新损失尺度以来已发生dynamic_growth_steps步，并且没有发生非有限梯度，则损失尺度将加倍。
参数
- inner_optimizer: 要包装的
keras.optimizers.Optimizer实例。 - initial_scale: 浮点数。初始损失尺度。此尺度将在训练期间更新。建议将其设置为非常大的数字，因为过高的损失尺度降低速度远快于过低的损失尺度升高速度。
- dynamic_growth_steps: 整数。更新尺度向上频率。在每
dynamic_growth_steps步有限梯度之后，损失尺度将加倍。 - 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，则会单独裁剪每个权重的梯度，使其范数不高于此值。
- clipvalue: 浮点数。如果设置，则会裁剪每个权重的梯度，使其不高于此值。
- global_clipnorm: 浮点数。如果设置，则会裁剪所有权重的梯度，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 包括计算模型权重的指数移动平均值（因为权重值在每个训练批次后都会发生变化），并定期用它们的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。每隔ema_overwrite_frequency步迭代，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过程中覆盖模型变量，并且您需要通过调用optimizer.finalize_variable_values()（它会就地更新模型变量）在训练结束时显式覆盖变量。当使用内置的fit()训练循环时，这会在最后一个 epoch 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，损失将乘以比例因子，并且在更新变量之前，梯度将乘以比例因子的倒数。这有助于在混合精度训练期间防止下溢。或者，keras.optimizers.LossScaleOptimizer将自动设置损失尺度因子。 - 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个步骤都更新；相反，它们将每隔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以减少每次更新步骤的梯度噪声时，这很有用。EMA 频率将查看“累积”迭代值（优化器步骤 // 梯度累积步骤）。学习率调度将查看“真实”迭代值（优化器步骤）。