Adam
Adam 類別
keras.optimizers.Adam(
learning_rate=0.001,
beta_1=0.9,
beta_2=0.999,
epsilon=1e-07,
amsgrad=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="adam",
**kwargs
)
實作 Adam 演算法的最佳化器。
Adam 最佳化是一種隨機梯度下降方法，基於一階和二階動量的自適應估計。
根據 Kingma 等人，2014 的說法，該方法「計算效率高、記憶體需求少、對梯度的對角線重新縮放不變，並且非常適合在資料/參數方面都很大的問題」。
參數
- learning_rate：一個浮點數，一個
keras.optimizers.schedules.LearningRateSchedule實例，或一個不帶參數並返回實際使用值的可呼叫物件。學習率。預設值為0.001。 - beta_1：一個浮點數值或一個常數浮點張量，或一個不帶參數並返回實際使用值的可呼叫物件。一階動量估計的指數衰減率。預設值為
0.9。 - beta_2：一個浮點數值或一個常數浮點張量，或一個不帶參數並返回實際使用值的可呼叫物件。二階動量估計的指數衰減率。預設值為
0.999。 - epsilon：一個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。 - amsgrad：布林值。是否從論文「論 Adam 及其後的收斂」中應用此演算法的 AMSGrad 變體。預設值為
False。 - name：字串。用於最佳化器建立的動量累加器權重的名稱。
- weight_decay：浮點數。如果設定，則會套用權重衰減。
- clipnorm：浮點數。如果設定，每個權重的梯度都會單獨裁剪，使其範數不高於此值。
- clipvalue：浮點數。如果設定，每個權重的梯度都會被裁剪為不高於此值。
- global_clipnorm：浮點數。如果設定，所有權重的梯度都會被裁剪，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（因為權重值在每個訓練批次後都會更改），並定期將權重覆寫為其移動平均值。 - 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個迭代步驟，我們就會將模型變數覆寫為其移動平均值。如果為 None，則最佳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呼叫optimizer.finalize_variable_values()來明確覆寫變數（這會就地更新模型變數）。當使用內建的fit()訓練迴圈時，這會在最後一個 epoch 之後自動發生，您不需要做任何事情。 - loss_scale_factor：浮點數或
None。如果為浮點數，則會在計算梯度之前將損失乘以縮放因子，並在更新變數之前將梯度乘以縮放因子的倒數。有助於在混合精度訓練期間防止下溢。或者，keras.optimizers.LossScaleOptimizer會自動設定損失縮放因子。 - gradient_accumulation_steps：整數或
None。如果為整數，則模型和最佳化器變數不會在每個步驟更新；相反，它們會在每gradient_accumulation_steps個步驟更新，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，這會很有用，以便減少每個更新步驟中的梯度雜訊。EMA 頻率會查看「累積」的迭代值（最佳化器步驟 // gradient_accumulation_steps）。學習率排程會查看「真實」的迭代值（最佳化器步驟）。