RMSprop

[原始碼]

RMSprop 類別

keras.optimizers.RMSprop(
    learning_rate=0.001,
    rho=0.9,
    momentum=0.0,
    epsilon=1e-07,
    centered=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="rmsprop",
    **kwargs
)

實作 RMSprop 演算法的最佳化器。

RMSprop 的要點是：

• 維護梯度平方的移動（折扣）平均值
• 將梯度除以這個平均值的根

這個 RMSprop 的實作使用普通的動量，而不是 Nesterov 動量。

中心化版本額外維護梯度的移動平均值，並使用該平均值來估計變異數。

參數

• learning_rate：浮點數、keras.optimizers.schedules.LearningRateSchedule 實例，或是不帶參數並回傳實際使用值的可呼叫物件。學習率。預設為 0.001。
• rho：浮點數，預設為 0.9。舊梯度的折扣因子。
• momentum：浮點數，預設為 0.0。如果不是 0.0，最佳化器會追蹤動量值，衰減率等於 1 - momentum。
• epsilon：用於數值穩定性的小常數。這個 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。預設為 1e-7。
• centered：布林值。如果為 True，梯度會以梯度估計的變異數進行正規化；如果為 False，則以未中心化的第二動差進行正規化。將此值設定為 True 可能有助於訓練，但在計算和記憶體方面稍微昂貴。預設為 False。
• name：字串。用於最佳化器建立的動量累積權重的名稱。
• 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，每個權重的梯度會被個別裁剪，使其範數不高於此值。
• clipvalue：浮點數。如果設定，每個權重的梯度會被裁剪，使其不高於此值。
• global_clipnorm：浮點數。如果設定，所有權重的梯度會被裁剪，使其整體範數不高於此值。
• 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值（隨著每個訓練批次之後權重值的變化），並定期用其移動平均值覆蓋權重。
• 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 次迭代步驟，我們會用其移動平均值覆蓋模型變數。如果為 None，則最佳化器不會在訓練過程中覆蓋模型變數，而且您需要在訓練結束時透過呼叫 optimizer.finalize_variable_values() 來明確覆蓋變數（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。對於防止混合精度訓練期間發生下溢非常有用。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，則模型和最佳化器變數不會在每個步驟更新；相反地，它們將在每隔 gradient_accumulation_steps 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的梯度雜訊。EMA 頻率會查看「累積」迭代值（最佳化器步驟 // gradient_accumulation_steps）。學習率排程會查看「實際」迭代值（最佳化器步驟）。

範例

>>> opt = keras.optimizers.RMSprop(learning_rate=0.1)
>>> var1 = keras.backend.Variable(10.0)
>>> loss = lambda: (var1 ** 2) / 2.0  # d(loss) / d(var1) = var1
>>> opt.minimize(loss, [var1])
>>> var1
9.683772

參考文獻

• Hinton, 2012