Keras 3 API 文档 / 优化器 / RMSprop

RMSprop

[源代码]

RMSprop

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

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

此 RMSprop 实现使用普通动量,而非 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,或者一个无参数并返回实际值的可调用对象。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,则优化器会跟踪动量值,其衰减率等于 1 - momentum
  • epsilon: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),而不是论文中算法 1 的 epsilon。默认为 1e-7。
  • centered:布尔值。如果为 True,则梯度由梯度的估计方差归一化;如果为 False,则由非中心化二阶矩归一化。将其设置为 True 可能有助于训练,但在计算和内存方面会稍贵一些。默认为 False
  • name:字符串。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,则对每个权重的梯度分别进行裁剪,使其范数不高于此值。
  • clipvalue:浮点数。如果设置,则将每个权重的梯度裁剪到不高于此值。
  • global_clipnorm:浮点数。如果设置,则对所有权重的梯度进行裁剪,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 包括计算模型权重的指数移动平均(随着每个训练批次后权重值发生变化),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 ema_overwrite_frequency 迭代步数,我们用其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()(它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 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,则在计算梯度之前将损失乘以缩放因子,并在更新变量之前将梯度乘以缩放因子的倒数。这对于防止混合精度训练期间的下溢很有用。或者,keras.optimizers.LossScaleOptimizer 会自动设置一个损失缩放因子。
  • gradient_accumulation_steps:整数或 None。如果为整数,则不会在每个步更新模型和优化器变量;而是每 gradient_accumulation_steps 步更新一次,使用自上次更新以来的梯度平均值。这称为“梯度累积”。当您的批量大小很小时,这有助于减少每个更新步的梯度噪声。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)。

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

参考文献