Nadam

[原始碼]

Nadam 類別

keras.optimizers.Nadam(
    learning_rate=0.001,
    beta_1=0.9,
    beta_2=0.999,
    epsilon=1e-07,
    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="nadam",
    **kwargs
)

實作 Nadam 演算法的優化器。

就像 Adam 基本上是帶有動量的 RMSprop 一樣，Nadam 是帶有 Nesterov 動量的 Adam。

參數

• learning_rate：浮點數、keras.optimizers.schedules.LearningRateSchedule 實例，或是不接受任何引數並傳回要使用之實際值的可呼叫物件。學習率。預設值為 0.001。
• beta_1：浮點數值或常數浮點張量，或是不接受任何引數並傳回要使用之實際值的可呼叫物件。第一動量估計的指數衰減率。預設值為 0.9。
• beta_2：浮點數值或常數浮點張量，或是不接受任何引數並傳回要使用之實際值的可呼叫物件。第二動量估計的指數衰減率。預設值為 0.999。
• epsilon：用於數值穩定性的小常數。此 epsilon 是 Kingma 和 Ba 論文中的「epsilon hat」（在第 2.1 節之前的公式中），而不是論文演算法 1 中的 epsilon。預設值為 1e-7。
• name：字串。用於優化器建立之動量累加器權重的名稱。
• weight_decay：浮點數。如果設定，則會套用權重衰減。
• clipnorm：浮點數。如果設定，則會個別裁剪每個權重的梯度，使其範數不高於此值。
• clipvalue：浮點數。如果設定，則會裁剪每個權重的梯度，使其不高於此值。
• global_clipnorm：浮點數。如果設定，則會裁剪所有權重的梯度，使其整體範數不高於此值。
• use_ema：布林值，預設值為 False。如果為 True，則會套用指數移動平均 (EMA)。EMA 包括計算模型權重的指數移動平均（隨著權重值在每個訓練批次後變更），並定期以其移動平均覆寫權重。
• ema_momentum：浮點數，預設值為 0.99。僅在 use_ema=True 時使用。這是計算模型權重 EMA 時要使用的動量：new_average = ema_momentum * old_average + (1 - ema_momentum) * current_variable_value。
• ema_overwrite_frequency：整數或 None，預設值為 None。僅在 use_ema=True 時使用。每 ema_overwrite_frequency 迭代步驟，我們會以模型的移動平均覆寫模型變數。如果為 None，則優化器不會在訓練期間覆寫模型變數，您需要在訓練結束時呼叫 optimizer.finalize_variable_values() 明確覆寫變數（這會就地更新模型變數）。使用內建的 fit() 訓練迴圈時，這會在最後一個 epoch 後自動發生，您不需要執行任何動作。
• loss_scale_factor：浮點數或 None。如果是浮點數，則在計算梯度之前，比例因子會乘以損失，而在更新變數之前，比例因子的倒數會乘以梯度。這對於防止混合精度訓練期間的下溢很有用。或者，keras.optimizers.LossScaleOptimizer 將自動設定損失比例因子。
• gradient_accumulation_steps：整數或 None。如果是整數，則不會在每個步驟更新模型和優化器變數；而是會每 gradient_accumulation_steps 步驟更新一次，使用自上次更新以來梯度的平均值。這稱為「梯度累積」。當您的批次大小非常小時，這可能很有用，以便減少每個更新步驟的梯度雜訊。EMA 頻率將查看「累積」迭代值（優化器步驟 // gradient_accumulation_steps）。學習率排程將查看「實際」迭代值（優化器步驟）。

參考文獻

• Dozat, 2015.