Lamb

[原始碼]

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 演算法的優化器。

Lamb 是一種隨機梯度下降方法，它使用逐層自適應動量來基於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提高收斂速度，尤其是在大型批次大小的情況下。

參數

• learning_rate：一個浮點數，一個 keras.optimizers.schedules.LearningRateSchedule 實例，或一個不接受任何參數並傳回要使用的實際值的可呼叫物件。學習率。預設為 0.001。
• beta_1：一個浮點數值或一個常數浮點數張量，或一個不接受任何參數並傳回要使用的實際值的可呼叫物件。用於第一動量估計的指數衰減率。預設為 0.9。
• beta_2：一個浮點數值或一個常數浮點數張量，或一個不接受任何參數並傳回要使用的實際值的可呼叫物件。用於第二動量估計的指數衰減率。預設為 0.999。
• epsilon：一個用於數值穩定性的小常數。預設為 1e-7。
• name：字串。用於由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，則應用指數移動平均 (EMA)。EMA 包括計算模型的權重的指數移動平均值（因為權重值在每個訓練批次之後都會變更），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。每經過 ema_overwrite_frequency 次迭代步驟，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明確地呼叫 optimizer.finalize_variable_values() 來覆寫變數（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。這對於在混合精度訓練期間防止下溢很有用。或者，keras.optimizers.LossScaleOptimizer 會自動設定損失縮放因子。
• 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優化器變數；而是每經過 gradient_accumulation_steps 個步驟更新一次，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，這很有用，以便減少每個更新步驟的梯度雜訊。EMA 頻率會查看「累積的」迭代值（優化器步驟 // gradient_accumulation_steps）。學習率排程會查看「實際」迭代值（優化器步驟）。

參考文獻

• Yang et al.