SGD

[原始碼]

SGD 類別

keras.optimizers.SGD(
    learning_rate=0.01,
    momentum=0.0,
    nesterov=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="SGD",
    **kwargs
)

梯度下降（帶動量）優化器。

當 momentum 為 0 時，參數 w 使用梯度 g 的更新規則

w = w - learning_rate * g

當 momentum 大於 0 時的更新規則

velocity = momentum * velocity - learning_rate * g
w = w + velocity

當 nesterov=True 時，此規則變為

velocity = momentum * velocity - learning_rate * g
w = w + momentum * velocity - learning_rate * g

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 0.01。
• momentum：浮點數超參數 >= 0，可加速相關方向的梯度下降並抑制震盪。0 為原始梯度下降。預設值為 0.0。
• nesterov：布林值。是否應用 Nesterov 動量。預設值為 False。
• name：字串。用於優化器建立的動量累加器權重的名稱。
• weight_decay：浮點數。如果設定，則會應用權重衰減。
• clipnorm：浮點數。如果設定，每個權重的梯度都會被單獨裁剪，使其範數不超過此值。
• clipvalue：浮點數。如果設定，每個權重的梯度都會被裁剪為不超過此值。
• global_clipnorm：浮點數。如果設定，所有權重的梯度都會被裁剪，使其整體範數不超過此值。
• use_ema：布林值，預設值為 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（隨著每次訓練批次後權重值變化），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。僅當 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。僅當 use_ema=True 時使用。每 ema_overwrite_frequency 步迭代，我們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，則縮放因子會在計算梯度之前乘以損失，並且縮放因子的倒數會在更新變數之前乘以梯度。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，則不會在每一步更新模型和優化器變數；相反地，它們會每 gradient_accumulation_steps 步更新一次，使用自上次更新以來梯度的平均值。這被稱為「梯度累積」。當您的批次大小非常小時，這會很有用，以便減少每次更新步驟的梯度雜訊。EMA 頻率將查看「累計」迭代值（優化器步驟 // gradient_accumulation_steps）。學習率排程將查看「真實」迭代值（優化器步驟）。