Adamax

[原始碼]

Adamax 類別

keras.optimizers.Adamax(
    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="adamax",
    **kwargs
)

實作 Adamax 演算法的優化器。

Adamax 是 Adam 的變體，基於無窮範數，是一種基於一階梯度的優化方法。由於其能夠根據資料特性調整學習率，因此適用於學習時變過程，例如具有動態變化的雜訊條件的語音資料。預設參數遵循論文中提供的參數（請參閱下面的參考文獻）。

初始化

m = 0  # Initialize initial 1st moment vector
u = 0  # Initialize the exponentially weighted infinity norm
t = 0  # Initialize timestep

參數 w 帶有梯度 g 的更新規則在論文的 7.1 節末尾描述（請參閱參考文獻章節）

t += 1
m = beta1 * m + (1 - beta) * g
u = max(beta2 * u, abs(g))
current_lr = learning_rate / (1 - beta1 ** t)
w = w - current_lr * m / (u + epsilon)

引數

• learning_rate：一個浮點數、一個 keras.optimizers.schedules.LearningRateSchedule 實例，或一個不帶引數並傳回要使用的實際值的可呼叫物件。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。一階動量估計的指數衰減率。
• beta_2：一個浮點數值或一個常數浮點張量。指數加權無窮範數的指數衰減率。
• epsilon：一個用於數值穩定性的小常數。name：字串。用於優化器建立的動量累積器權重的名稱。
• weight_decay：浮點數。如果設定，則應用權重衰減。
• clipnorm：浮點數。如果設定，則每個權重的梯度都會被單獨裁剪，使其範數不高於此值。
• clipvalue：浮點數。如果設定，則每個權重的梯度都會被裁剪為不高於此值。
• 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（隨著權重值在每個訓練批次後發生變化），並定期用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 迭代步驟，我們就會用模型的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() 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 後自動發生，您無需執行任何操作。
• 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，而縮放因子的倒數將在更新變數之前乘以梯度。有助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更新；相反，它們將每隔 gradient_accumulation_steps 步驟更新一次，使用自上次更新以來的梯度平均值。這被稱為「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

• Kingma et al., 2014