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
)

实现了 RMSprop 算法的优化器。

RMSprop 的核心思想是

• 维护梯度的平方的移动（衰减）平均值
• 用该平均值的平方根来除以梯度

此 RMSprop 实现使用了普通动量，而非 Nesterov 动量。

带有中心化的版本额外维护了梯度的移动平均值，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，或一个不带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: float，默认为 0.9。旧梯度的衰减因子。
• momentum: float，默认为 0.0。如果非 0.0，优化器会跟踪动量值，衰减率为 1 - momentum。
• epsilon: 一个用于数值稳定的小常数。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，梯度将按梯度的估计方差进行归一化；如果为 False，则按非中心化的二阶矩进行归一化。将其设置为 True 可能有助于训练，但计算和内存成本略高。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，每个权重的梯度将单独裁剪，使其范数不高于此值。
• clipvalue：浮点数。如果设置，每个权重的梯度将被裁剪，使其不高于此值。
• global_clipnorm：浮点数。如果设置，所有权重的梯度将被裁剪，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 包括在模型权重（随着训练批次更新）上计算权重的指数移动平均，并定期用其移动平均值覆盖权重。
• ema_momentum：浮点数，默认为 0.99。仅当 use_ema=True 时使用。这是在计算模型权重 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。仅当 use_ema=True 时使用。每进行 ema_overwrite_frequency 步迭代，我们就用其移动平均值覆盖模型变量。如果为 None，优化器不会在训练中间覆盖模型变量，您需要通过调用 optimizer.finalize_variable_values()（该函数会就地更新模型变量）来显式覆盖变量。使用内置的 fit() 训练循环时，这会在最后一个 epoch 之后自动完成，您无需执行任何操作。
• loss_scale_factor：浮点数或 None。如果是浮点数，将用该缩放因子乘以损失值，然后再计算梯度，并将梯度的逆乘以缩放因子，然后再更新变量。有助于防止混合精度训练期间的下溢。或者，keras.optimizers.LossScaleOptimizer 会自动设置损失缩放因子。
• gradient_accumulation_steps：整数或 None。如果为整数，模型和优化器变量将不会在每一步更新；而是每 gradient_accumulation_steps 步更新一次，使用自上次更新以来的平均梯度值。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，目的是减少每次更新步骤中的梯度噪声。EMA 频率将查看“累积”的迭代次数（optimizer steps // gradient_accumulation_steps）。学习率调度器将查看“实际”的迭代次数（optimizer steps）。

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

• Hinton, 2012