AdaMax

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

Optimiseur AdaMax.

Une variante d'Adam basée sur la norme de l'infini.

Référence : Section 7 de « Adam - Une méthode d'optimisation stochastique »

  • Déclaration

    public typealias Model = Model

  • Le taux d'apprentissage.

    Déclaration

    public var learningRate: Float

  • Taux de décroissance utilisé pour estimer le premier moment (moyen) des gradients.

    Déclaration

    public var beta1: Float

  • Taux de décroissance utilisé pour estimer la norme infinie pondérée exponentiellement.

    Déclaration

    public var beta2: Float

  • Un petit scalaire ajouté au dénominateur pour améliorer la stabilité numérique.

    Déclaration

    public var epsilon: Float

  • Le taux d’apprentissage diminue.

    Déclaration

    public var decay: Float

  • Le nombre de pas.

    Déclaration

    public var step: Int

  • Les premiers instants des poids.

    Déclaration

    public var firstMoments: Model.TangentVector

  • La norme infinie pondérée exponentiellement des poids.

    Déclaration

    public var infinityNorm: Model.TangentVector

  • Remarque : Les paramètres par défaut suivent ceux fournis dans le document.

    Déclaration

    public init(
  for model: __shared Model,
  learningRate: Float = 0.002,
  beta1: Float = 0.9,
  beta2: Float = 0.999,
  epsilon: Float = 1e-8,
  decay: Float = 0
)

  • Déclaration

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

  • Déclaration

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