► Keras 3 API 文档 / 优化器 / RMSprop

RMSprop

[源代码]

RMSprop 类

keras.optimizers.RMSprop(
    learning_rate=0.001,
    rho=0.9,
    momentum=0.0,
    epsilon=1e-07,
    centered=False,
    weight_decay=None,
    clipnorm=None,
    clipvalue=None,
    global_clipnorm=None,
    use_ema=False,
    ema_momentum=0.99,
    ema_overwrite_frequency=None,
    loss_scale_factor=None,
    gradient_accumulation_steps=None,
    name="rmsprop",
    **kwargs
)

实现 RMSprop 算法的优化器。

RMSprop 的要点是：

  • 维护梯度平方的移动（折扣）平均值
  • 将梯度除以该平均值的平方根

此 RMSprop 实现使用普通的动量，而不是 Nesterov 动量。

中心化版本额外维护梯度的移动平均值，并使用该平均值来估计方差。

参数

  • learning_rate：一个浮点数，一个 keras.optimizers.schedules.LearningRateSchedule 实例，或一个不接受任何参数并返回实际使用值的可调用对象。学习率。默认为 0.001。
  • rho：浮点数，默认为 0.9。旧梯度的折扣因子。
  • momentum：浮点数，默认为 0.0。如果不是 0.0，优化器将跟踪动量值，其衰减率等于 1 - momentum。
  • epsilon：一个小的常数，用于数值稳定性。此 epsilon 是 Kingma 和 Ba 论文中的“epsilon hat”（在第 2.1 节之前的公式中），而不是论文算法 1 中的 epsilon。默认为 1e-7。
  • centered：布尔值。如果为 True，则梯度通过梯度估计的方差进行归一化；如果为 False，则通过未中心化的二阶矩进行归一化。将此设置为 True 可能有助于训练，但在计算和内存方面略贵。默认为 False。
  • 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，使其不高于此值。
  • 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 包括计算模型的权重指数移动平均值（在每次训练批次后权重值发生变化时），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。每隔 ema_overwrite_frequency 次迭代步骤，我们将模型的变量覆盖为其移动平均值。如果为 None，优化器不会在训练过程中覆盖模型变量，你需要通过调用 optimizer.finalize_variable_values()（这将就地更新模型变量）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 后自动发生，你无需执行任何操作。
  • loss_scale_factor：浮点数或 None。如果为浮点数，则在计算梯度之前将损失乘以比例因子，并在更新变量之前将梯度乘以比例因子的倒数。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，则模型和优化器变量不会在每一步更新；相反，它们将在每 gradient_accumulation_steps 步更新，使用自上次更新以来梯度的平均值。这被称为“梯度累积”。当你的批次大小非常小时，为了减少每个更新步骤的梯度噪声，这很有用。EMA 频率将查看“累积”的迭代值（优化器步骤 // gradient_accumulation_steps）。学习率调度将查看“实际”的迭代值（优化器步骤）。

示例

>>> opt = keras.optimizers.RMSprop(learning_rate=0.1)
>>> var1 = keras.backend.Variable(10.0)
>>> loss = lambda: (var1 ** 2) / 2.0  # d(loss) / d(var1) = var1
>>> opt.minimize(loss, [var1])
>>> var1
9.683772

参考

RMSprop
RMSprop 类