tf.keras.optimizers.Adadelta

Оптимизатор, реализующий алгоритм Adadelta.

Наследуется от: Optimizer

tf.keras.optimizers.Adadelta(
    learning_rate=0.001, rho=0.95, epsilon=1e-07, name='Adadelta', **kwargs
)

Оптимизация Adadelta — это метод стохастического градиентного спуска, основанный на адаптивной скорости обучения по каждой размерности для устранения двух недостатков:

• Постоянное снижение скорости обучения в течение обучения
• Необходимость в ручном выборе глобальной скорости обучения

Adadelta — более устойчивое расширение Adagrad, которое адаптирует скорости обучения на основе скользящего окна обновлений градиента, вместо накопления всех прошлых градиентов. Таким образом, Adadelta продолжает обучение даже после многих обновлений. По сравнению с Adagrad, в оригинальной версии Adadelta вам не нужно задавать начальную скорость обучения. В этой версии начальная скорость обучения может быть задана, как и в большинстве других оптимизаторов Keras.

Согласно разделу 4.3 («Эффективные скорости обучения»), вблизи завершения этапов обучения размеры шагов стремятся к 1, что фактически является высокой скоростью обучения, которая приведет к расхождению. Это происходит только вблизи конца обучения, так как градиенты и размеры шагов невелики, а постоянная epsilon в числителе и знаменателе доминирует над прошлыми градиентами и обновлениями параметров, которые сходятся к скорости обучения 1.

Согласно разделу 4.4 («Данные речи»), где большая нейронная сеть с 4 скрытыми слоями была обучена на корпусе данных на английском языке США, ADADELTA использовалась с 100 репликами сети. Использованная epsilon равна 1e-6 с rho=0.95, что сходилось быстрее, чем ADAGRAD, по следующей конструкции: def init(self, lr=1.0, rho=0.95, epsilon=1e-6, decay=., **kwargs):

Ссылка:

• Zeiler, 2012

Методы

add_slot

Просмотреть исходный код

add_slot(
    var, slot_name, initializer='zeros'
)

Добавить новую переменную хранилища для var.

add_weight

Просмотреть исходный код

add_weight(
    name, shape, dtype=None, initializer='zeros', trainable=None,
    synchronization=tf.VariableSynchronization.AUTO,
    aggregation=tf.compat.v1.VariableAggregation.NONE
)

apply_gradients

Просмотреть исходный код

apply_gradients(
    grads_and_vars, name=None, experimental_aggregate_gradients=True
)

Применить градиенты к переменным.

Это вторая часть minimize(). Она возвращает Operation, который применяет градиенты.

Метод суммирует градиенты от всех реплик в случае наличия tf.distribute.Strategy по умолчанию. Вы можете сами агрегировать градиенты, передав experimental_aggregate_gradients=False.

Пример:

grads = tape.gradient(loss, vars)
grads = tf.distribute.get_replica_context().all_reduce('sum', grads)
# Processing aggregated gradients.
optimizer.apply_gradients(zip(grads, vars),
    experimental_aggregate_gradients=False)

from_config

Просмотреть исходный код

@classmethod
from_config(
    config, custom_objects=None
)

Создать оптимизатор из его конфигурации.

Этот метод является обратным к get_config, способным восстановить тот же оптимизатор из словаря конфигурации.

get_config

Просмотреть исходный код

get_config()

Возвращает конфигурацию оптимизатора.

Конфигурация оптимизатора — это словарь Python (сериализуемый), содержащий конфигурацию оптимизатора. Тот же оптимизатор можно восстановить позже (без сохранённого состояния) из этой конфигурации.

get_gradients

Просмотреть исходный код

get_gradients(
    loss, params
)

Возвращает градиенты loss относительно params.

get_slot

Просмотреть исходный код

get_slot(
    var, slot_name
)

get_slot_names

Просмотреть исходный код

get_slot_names()

Список имён хранилищ этого оптимизатора.

get_updates

Просмотреть исходный код

get_updates(
    loss, params
)

get_weights

Просмотр исходного кода

get_weights()

Возвращает текущие веса оптимизатора.

Веса оптимизатора — это его состояние (т. е. переменные). Эта функция возвращает значения весов, связанные с этим оптимизатором, в виде списка массивов NumPy. Первое значение всегда является количеством итераций оптимизатора, за которым следуют переменные состояния оптимизатора в порядке их создания. Возвращаемый список, в свою очередь, можно использовать для загрузки состояния в аналогично параметризованные оптимизаторы.

Например, оптимизатор RMSprop для этой простой модели возвращает список из трёх значений — количество итераций, а также среднеквадратичное значение ядра и смещения единственного слоя Dense:

opt = tf.keras.optimizers.RMSprop()
m = tf.keras.models.Sequential([tf.keras.layers.Dense(10)])
m.compile(opt, loss='mse')
data = np.arange(100).reshape(5, 20)
labels = np.zeros(5)
print('Training'); results = m.fit(data, labels)
Training ...
len(opt.get_weights())
3

minimize

Просмотр исходного кода

minimize(
    loss, var_list, grad_loss=None, name=None
)

Минимизировать loss путём обновления var_list.

Этот метод просто вычисляет градиент с помощью tf.GradientTape и вызывает apply_gradients(). Если нужно обработать градиент перед применением, то следует вызвать tf.GradientTape и apply_gradients() явно, вместо использования этой функции.

set_weights

Просмотр исходного кода

set_weights(
    weights
)

Установить веса оптимизатора.

Веса оптимизатора — это его состояние (т. е. переменные). Эта функция принимает значения весов, связанные с этим оптимизатором, в виде списка массивов NumPy. Первое значение всегда является количеством итераций оптимизатора, за которым следуют переменные состояния оптимизатора в порядке их создания. Переданные значения используются для установки нового состояния оптимизатора.

Например, оптимизатор RMSprop для этой простой модели принимает список из трёх значений — количество итераций, а также среднеквадратичное значение ядра и смещения единственного слоя Dense:

opt = tf.keras.optimizers.RMSprop()
m = tf.keras.models.Sequential([tf.keras.layers.Dense(10)])
m.compile(opt, loss='mse')
data = np.arange(100).reshape(5, 20)
labels = np.zeros(5)
print('Training'); results = m.fit(data, labels)
Training ...
new_weights = [np.array(10), np.ones([20, 10]), np.zeros([10])]
opt.set_weights(new_weights)
opt.iterations
<tf.Variable 'RMSprop/iter:0' shape=() dtype=int64, numpy=10>

variables

Просмотр исходного кода

variables()

Возвращает переменные этого оптимизатора в порядке их создания.