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
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
。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(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。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
。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。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。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)。