Adadelta
Adadelta 類別
keras.optimizers.Adadelta(
learning_rate=0.001,
rho=0.95,
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="adadelta",
**kwargs
)
實作 Adadelta 演算法的最佳化器。
Adadelta 最佳化是一種隨機梯度下降方法，其基於每個維度的自適應學習率，以解決兩個缺點：
- 學習率在整個訓練過程中持續衰減。
- 需要手動選擇全域學習率。
Adadelta 是 Adagrad 更穩健的擴展，它基於梯度更新的移動窗口調整學習率，而不是累積所有過去的梯度。 這樣，即使已完成許多更新，Adadelta 仍會繼續學習。 與 Adagrad 相比，在原始版本的 Adadelta 中，您不必設定初始學習率。 在此版本中，可以像大多數其他 Keras 最佳化器一樣設定初始學習率。
參數
- learning_rate：浮點數、
keras.optimizers.schedules.LearningRateSchedule實例，或是不帶任何參數並傳回要使用的實際值的可調用物件。 學習率。預設值為0.001。 請注意，與其他最佳化器相比，Adadelta往往受益於更高的初始學習率值。 若要符合原始論文中的確切形式，請使用 1.0。 - rho：浮點數值。 衰減率。 預設值為
0.95。 - epsilon：用於維持數值穩定性的小浮點數值。
- name：字串。 用於最佳化器建立的動量累積器權重的名稱。
- 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，則每個權重的梯度都會個別裁剪，使其範數不高於此值。
- clipvalue：浮點數。 如果設定，則每個權重的梯度都會裁剪為不高於此值。
- global_clipnorm：浮點數。 如果設定，則所有權重的梯度都會裁剪，使其全域範數不高於此值。
- 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發生變化），並定期將權重覆寫為其移動平均。 - 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。 每隔ema_overwrite_frequency迭代步驟，我們就會將模型變數覆寫為其移動平均。 如果為 None，則最佳化器不會在訓練期間覆寫模型變數，您需要在訓練結束時透過呼叫optimizer.finalize_variable_values()（這會就地更新模型變數）來明確覆寫變數。 使用內建的fit()訓練迴圈時，這會在最後一個 epoch 後自動發生，您無需執行任何操作。 - loss_scale_factor：浮點數或
None。 如果是浮點數，則在計算梯度之前，比例因子將乘以損失，並且在更新變數之前，比例因子的倒數將乘以梯度。 用於防止混合精度訓練期間的下溢。 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，則模型和最佳化器變數不會在每個步驟更新；而是每隔gradient_accumulation_steps步驟更新一次，使用自上次更新以來的梯度平均值。 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（最佳化器步驟 // gradient_accumulation_steps）。 學習率排程將查看「實際」迭代值（最佳化器步驟）。
參考文獻