► 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 的核心思想是：

  • 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 实现使用普通动量，而不是 Nesterov 动量。

中心化版本还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: 浮点数、keras.optimizers.schedules.LearningRateSchedule 实例或不带参数并返回实际使用值的回调函数。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。如果非 0.0，优化器将跟踪动量值，衰减率等于 1 - momentum。
  • epsilon: 用于数值稳定性的小常数。此 epsilon 是 Kingma 和 Ba 论文中的“epsilon 帽子”（在第 2.1 节之前的公式中），而不是论文中算法 1 中的 epsilon。默认为 1e-7。
  • centered: 布尔值。如果 True，则梯度将按梯度的估计方差进行归一化；如果为 False，则按非中心化二阶矩进行归一化。将其设置为 True 可能有助于训练，但在计算和内存方面略微更昂贵。默认为 False。
  • name: 字符串。优化器创建的动量累加器权重使用的名称。
  • weight_decay: 浮点数。如果设置，则应用权重衰减。
  • clipnorm: 浮点数。如果设置，则每个权重的梯度将被单独裁剪，使其范数不高于此值。
  • clipvalue: 浮点数。如果设置，则每个权重的梯度将被裁剪，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 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（权重值在每个训练批次后发生变化），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，优化器不会在训练过程中覆盖模型变量，您需要在训练结束时通过调用 optimizer.finalize_variable_values() 显式覆盖变量（这会就地更新模型变量）。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 将自动设置损失比例因子。
  • 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都更新；而是每隔 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时，这可能很有用，以便减少每次更新步骤的梯度噪声。EMA 频率将查看“累积”迭代值（优化器步数 // 梯度累积步数）。学习率调度将查看“真实”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

RMSprop
RMSprop 类