Flux.jl
中网络参数的更新方法为 update!(opt, p, g)
,update!(opt, ps::Params, gs)
,其中 p
或者 ps
是网络的参数,g
和 gs
是参数对应的梯度。网络参数更新的优化器有很多的选择,但是大部分都是 Adam 算法的变种或者优化,下面是关于这些优化器的一些介绍和参数的意义,详细的可以去看不同算法的论文深入了解。
1、:最原始的梯度下降优化器,参数 为学习率。对于每一个参数 以及对应的梯度 ,会执行 .
2、:带有动量的梯度下降算法。 控制梯度下降在主要方向上的加速度,可以看成是一个阻尼。
3、:带有 Nesterov 动量的梯度下降算法。 控制梯度下降在主要方向上的加速度,可以看成是一个阻尼。
4、:RMSProp 算法,通常在循环网络上使用,除了学习率 之外其他的参数通常不用调参。
5、:ADAM 算法, 为动量的衰减系数,是一个 Tuple 分别为第一个()和第二个()动量估计的指数衰减。
6、:Rectified ADAM 算法。
7、:基于 范数的 ADAM 变种
8、:ADAGrad 算法,它具有基于其更新频率的参数特定学习率。所有的参数都不需要调整。
9、:ADADelta 是 ADAGrad 的一个版本,它根据过去的梯度更新窗口调整其学习率。参数不需要调整。 是梯度在每个时间步衰减的因子。
10、:ADAM 优化器的 AMSGrad 版本。参数不需要调整。
11、:ADAM 优化器的 Nesterov 版本。参数不需要调整
12、:ADAMW 是修正其权重衰减正则化的 ADAM 的变体。decay 参数在优化期间应用于权重的衰减。
13、:OADAM (Optimistic ADAM) 是 ADAM 的一个变体,增加了一个适合对抗性训练的「优化项」。
14、:AdaBelief 是 ADAM 优化器的变体。
参考:
[1] Training, Optimisers, Document of Flux.jl
[3] Kingma, D. P. and Ba, J. Adam: A Method for Stochastic Optimization. arXiv (2014)
[6] Matthew D. Z. ADADELTA: An Adaptive Learning Rate Method. arXiv.
[8] Timothy D. Incorporating Nesterov Momentum into Adam. ICLR 2016 Workshop (2016)
[9] Ilya L. and Frank H. Decoupled Weight Decay Regularization. ICLR 2019 Conference (2019)
[10] Daskalakis, C., Ilyas, A., yrgkanis, V. and Zeng, H. Training GANs with Optimism. arXiv (2017)