SGD
类keras.optimizers.SGD(
learning_rate=0.01,
momentum=0.0,
nesterov=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="SGD",
**kwargs
)
梯度下降(带动量)优化器。
当 momentum
为 0 时,参数 w
随梯度 g
的更新规则
w = w - learning_rate * g
当 momentum
大于 0 时的更新规则
velocity = momentum * velocity - learning_rate * g
w = w + velocity
当 nesterov=True
时,此规则变为
velocity = momentum * velocity - learning_rate * g
w = w + momentum * velocity - learning_rate * g
参数
keras.optimizers.schedules.LearningRateSchedule
实例,或不带参数并返回实际值的可调用对象。学习率。默认为 0.01
。0.0
。False
。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会发生变化),并定期用其移动平均值覆盖权重。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
。use_ema=True
时使用。每 ema_overwrite_frequency
个迭代步,我们会用模型变量的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,您需要通过调用 optimizer.finalize_variable_values()
在训练结束时显式覆盖变量(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。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非常有用。或者,keras.optimizers.LossScaleOptimizer
将自动设置损失缩放因子。None
。如果为整数,则模型和优化器变量不会在每一步更新;而是每 gradient_accumulation_steps
步更新一次,使用自上次更新以来梯度的平均值。这被称为“梯度累积”。当您的批量大小非常小以减少每个更新步骤的梯度噪声时,这可能很有用。EMA 频率将查看“累积”迭代值(优化器步数 // gradient_accumulation_steps)。学习率调度将查看“实际”迭代值(优化器步数)。