Lamb

[來源]

Lamb 類別

keras.optimizers.Lamb(
    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="lamb",
    **kwargs
)

實作 Lamb 演算法的最佳化器。

Lamb 是一種隨機梯度下降方法，其使用逐層自適應動差來根據權重範數與梯度範數的比率調整每個參數的學習率。這有助於穩定訓練過程，並改善收斂性，尤其對於大型批次大小而言。

引數

• learning_rate：浮點數、keras.optimizers.schedules.LearningRateSchedule 實例，或是不接受引數並傳回要使用之實際值的可呼叫項。學習率。預設為 0.001。
• beta_1：浮點數值或常數浮點張量，或是不接受引數並傳回要使用之實際值的可呼叫項。第 1 動差估計值的指數衰減率。預設為 0.9。
• beta_2：浮點數值或常數浮點張量，或是不接受引數並傳回要使用之實際值的可呼叫項。第 2 動差估計值的指數衰減率。預設為 0.999。
• epsilon：用於數值穩定性的小常數。預設為 1e-7。
• name：字串。最佳化器所建立之動量累加器權重所使用的名稱。
• 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，使其全域範數不高於此值。
• use_ema：布林值，預設為 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會變更)，並定期以其移動平均覆寫權重。
• 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 步驟的迭代，我們就會以模型的移動平均覆寫模型變數。如果為 None，則最佳化器不會在訓練期間覆寫模型變數，而且您需要在訓練結束時呼叫 optimizer.finalize_variable_values() (這會就地更新模型變數) 來明確覆寫變數。當使用內建 fit() 訓練迴圈時，這會在最後一個 epoch 後自動發生，而且您不需要執行任何動作。
• loss_scale_factor：浮點數或 None。如果為浮點數，則在計算梯度之前，比例因子會乘以損失，而比例因子的倒數會乘以梯度，然後再更新變數。這對於在混合精度訓練期間防止下溢很有用。或者，keras.optimizers.LossScaleOptimizer 會自動設定損失比例因子。
• gradient_accumulation_steps：整數或 None。如果為整數，則不會在每個步驟更新模型和最佳化器變數；而是會每隔 gradient_accumulation_steps 步驟更新一次，並使用自上次更新以來的平均梯度值。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

• Yang et al.