AMSGrad

public class AMSGrad<Model: Differentiable & KeyPathIterable>: Optimizer
where
  Model.TangentVector: VectorProtocol & PointwiseMultiplicative & ElementaryFunctions
    & KeyPathIterable,
  Model.TangentVector.VectorSpaceScalar == Float

Optymalizator AMSGrad.

Algorytm ten jest modyfikacją Adama o lepszych właściwościach zbieżności, gdy jest blisko lokalnych optimów.

Odniesienie: „O zbieżności Adama i później”

  • Deklaracja

    public typealias Model = Model

  • Szybkość uczenia się.

    Deklaracja

    public var learningRate: Float

  • Współczynnik używany do obliczania pierwszego i drugiego momentu gradientów.

    Deklaracja

    public var beta1: Float

  • Współczynnik używany do obliczania pierwszego i drugiego momentu gradientów.

    Deklaracja

    public var beta2: Float

  • Mały skalar dodany do mianownika w celu poprawy stabilności liczbowej.

    Deklaracja

    public var epsilon: Float

  • Spadek szybkości uczenia się.

    Deklaracja

    public var decay: Float

  • Bieżący krok.

    Deklaracja

    public var step: Int

  • Pierwsze chwile z ciężarami.

    Deklaracja

    public var firstMoments: Model.TangentVector

  • Drugi moment ciężarów.

    Deklaracja

    public var secondMoments: Model.TangentVector

  • Maksimum drugich momentów odważników.

    Deklaracja

    public var secondMomentsMax: Model.TangentVector

  • Deklaracja

    public init(
  for model: __shared Model,
  learningRate: Float = 1e-3,
  beta1: Float = 0.9,
  beta2: Float = 0.999,
  epsilon: Float = 1e-8,
  decay: Float = 0
)

  • Deklaracja

    public func update(_ model: inout Model, along direction: Model.TangentVector)

  • Deklaracja

    public required init(copying other: AMSGrad, to device: Device)