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）最佳化器。

當 momentum 為 0 時，參數 w 帶梯度 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

引數

• learning_rate：浮點數、keras.optimizers.schedules.LearningRateSchedule 實例，或是不帶引數並回傳實際使用值的可呼叫物件。學習率。預設為 0.01。
• momentum：浮點超參數 >= 0，可加速相關方向的梯度下降並抑制震盪。0 為 vanilla 梯度下降。預設為 0.0。
• nesterov：布林值。是否套用 Nesterov 動量。預設為 False。
• name：字串。最佳化器建立的動量累積器權重所使用的名稱。
• weight_decay：浮點數。如果設定，則套用權重衰減。
• clipnorm：浮點數。如果設定，則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（隨著權重值在每個訓練批次後變更），並定期使用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 ema_overwrite_frequency 步迭代，我們都會以其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，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）。使用內建 fit() 訓練迴圈時，這會在最後一個 epoch 後自動發生，您無需執行任何動作。
• loss_scale_factor：浮點數或 None。如果為浮點數，則縮放比例因子將乘以損失，然後在更新變數之前，梯度將乘以縮放比例因子的倒數。適用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，則不會在每個步驟更新模型和最佳化器變數；而是每 gradient_accumulation_steps 步驟更新一次，使用自上次更新以來的梯度平均值。這稱為「梯度累積」。當您的批次大小非常小時，這可能很有用，以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）。