SGD

`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（含动量）优化器。

当 momentum 为 0 时，参数 w 的梯度 g 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

学习率：一个浮点数，一个 keras.optimizers.schedules.LearningRateSchedule 实例，或一个不接受参数并返回实际使用值的可调用对象。学习率。默认为 0.01。
动量：一个 >= 0 的浮点超参数，用于加速相关方向的梯度下降并抑制振荡。0 表示普通梯度下降。默认为 0.0。
nesterov：布尔值。是否应用 Nesterov 动量。默认为 False。
name：字符串。优化器创建的动量累加器权重的名称。
权重衰减：浮点数。如果设置，则应用权重衰减。
clipnorm：浮点数。如果设置，则单独裁剪每个权重的梯度，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，则裁剪所有权重的梯度，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的变化），并定期用其移动平均值覆盖权重。
ema_momentum：浮点数，默认为 0.99。仅当 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。仅当 use_ema=True 时使用。每经过 ema_overwrite_frequency 次迭代步骤，我们就用模型的移动平均值覆盖模型变量。如果为 None，优化器在训练过程中不会覆盖模型变量，你需要通过调用 optimizer.finalize_variable_values() 在训练结束时显式覆盖这些变量（这会就地更新模型变量）。使用内置的 fit() 训练循环时，这会在最后一个 epoch 后自动发生，你无需做任何事情。
损失缩放因子：浮点数或 None。如果为浮点数，在计算梯度之前，损失将乘以缩放因子；在更新变量之前，梯度将乘以缩放因子的倒数。这有助于防止混合精度训练期间发生下溢。另外，keras.optimizers.LossScaleOptimizer 会自动设置损失缩放因子。
梯度累积步数：整数或 None。如果为整数，模型和优化器变量将不会在每个步骤更新；相反，它们将每隔 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”。当批量大小非常小时，这会很有用，可以减少每次更新步骤中的梯度噪声。EMA 频率将考虑“累积”迭代值 (优化器步数 // 梯度累积步数)。学习率调度器将考虑“实际”迭代值 (优化器步数)。

SGD

SGD 类

SGD

SGD 类

`SGD` 类