Adadelta

[原始碼]

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 演算法的優化器。

Adadelta 優化是一種基於每個維度的自適應學習率的隨機梯度下降方法，旨在解決兩個缺點：

• 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 的更強健擴展，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，即使進行了多次更新，Adadelta 也能繼續學習。與 Adagrad 相比，在原始版本的 Adadelta 中，您不必設定初始學習率。在這個版本中，可以像大多數其他 Keras 優化器一樣設定初始學習率。

參數

• learning_rate：一個浮點數，一個 keras.optimizers.schedules.LearningRateSchedule 實例，或是一個不帶參數並返回實際使用值的可呼叫物件。學習率。預設為 0.001。請注意，與其他優化器相比，Adadelta 往往受益於較高的初始學習率值。若要符合原始論文中的確切形式，請使用 1.0。
• rho：一個浮點數值。衰減率。預設為 0.95。
• epsilon：用於維持數值穩定性的小浮點數值。
• name：字串。用於優化器建立的動量累加器權重的名稱。
• weight_decay：浮點數。如果設定，則應用權重衰減。
• clipnorm：浮點數。如果設定，則每個權重的梯度會被單獨裁剪，使其範數不高於此值。
• clipvalue：浮點數。如果設定，則每個權重的梯度會被裁剪，使其不高於此值。
• global_clipnorm：浮點數。如果設定，則所有權重的梯度會被裁剪，使其全域範數不高於此值。
• use_ema：布林值，預設為 False。如果為 True，則應用指數移動平均 (EMA)。EMA 包括計算模型權重的指數移動平均值（因為權重值在每個訓練批次後都會變更），並定期以其移動平均值覆寫權重。
• ema_momentum：浮點數，預設為 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，預設為 None。僅在 use_ema=True 時使用。每隔 ema_overwrite_frequency 步迭代，我們會以其移動平均值覆寫模型變數。如果為 None，則優化器不會在訓練過程中覆寫模型變數，您需要在訓練結束時透過呼叫 optimizer.finalize_variable_values() 來明確覆寫變數（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 之後自動發生，您不需要執行任何操作。
• loss_scale_factor：浮點數或 None。如果為浮點數，則縮放因子將在計算梯度之前乘以損失，並且縮放因子的倒數將在更新變數之前乘以梯度。適用於防止在混合精度訓練期間發生下溢。或者，keras.optimizers.LossScaleOptimizer 將自動設定損失縮放因子。
• gradient_accumulation_steps：整數或 None。如果為整數，則模型和優化器變數不會在每個步驟都更新；而是每 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「真實」迭代值（優化器步驟）。

參考文獻

• Zeiler, 2012