एडम

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

एडम अनुकूलक.

एडम अनुकूलन एल्गोरिदम लागू करता है। एडम एक स्टोकेस्टिक ग्रेडिएंट डिसेंट विधि है जो ग्रेडिएंट के पहले और दूसरे क्रम के क्षणों के अनुमान से विभिन्न मापदंडों के लिए व्यक्तिगत अनुकूली सीखने की दरों की गणना करता है।

संदर्भ: "एडम: स्टोकेस्टिक ऑप्टिमाइज़ेशन के लिए एक विधि" (किंग्मा और बा, 2014)।

उदाहरण:

  • एक सरल सुदृढीकरण सीखने वाले एजेंट को प्रशिक्षित करें:
...
// Instantiate an agent's policy - approximated by the neural network (`net`) after defining it 
in advance.
var net = Net(observationSize: Int(observationSize), hiddenSize: hiddenSize, actionCount: actionCount)
// Define the Adam optimizer for the network with a learning rate set to 0.01.
let optimizer = Adam(for: net, learningRate: 0.01)
...
// Begin training the agent (over a certain number of episodes).
while true {
...
    // Implementing the gradient descent with the Adam optimizer:
    // Define the gradients (use withLearningPhase to call a closure under a learning phase).
    let gradients = withLearningPhase(.training) {
        TensorFlow.gradient(at: net) { net -> Tensor<Float> in
            // Return a softmax (loss) function
            return loss = softmaxCrossEntropy(logits: net(input), probabilities: target)
        }
    }
    // Update the differentiable variables of the network (`net`) along the gradients with the Adam 
optimizer.
    optimizer.update(&net, along: gradients)
    ...
    }
}
  • एक जनरेटिव एडवरसैरियल नेटवर्क (GAN) को प्रशिक्षित करें:
...
// Instantiate the generator and the discriminator networks after defining them.
var generator = Generator()
var discriminator = Discriminator()
// Define the Adam optimizers for each network with a learning rate set to 2e-4 and beta1 - to 0.5.
let adamOptimizerG = Adam(for: generator, learningRate: 2e-4, beta1: 0.5)
let adamOptimizerD = Adam(for: discriminator, learningRate: 2e-4, beta1: 0.5)
...
Start the training loop over a certain number of epochs (`epochCount`).
for epoch in 1...epochCount {
    // Start the training phase.
    ...
    for batch in trainingShuffled.batched(batchSize) {
        // Implementing the gradient descent with the Adam optimizer:
        // 1) Update the generator.
        ...
        let 𝛁generator = TensorFlow.gradient(at: generator) { generator -> Tensor<Float> in
            ...
            return loss
            }
        // Update the differentiable variables of the generator along the gradients (`𝛁generator`) 
        // with the Adam optimizer.
        adamOptimizerG.update(&generator, along: 𝛁generator)

        // 2) Update the discriminator.
        ...
        let 𝛁discriminator = TensorFlow.gradient(at: discriminator) { discriminator -> Tensor<Float> in
            ...
            return loss
        }
        // Update the differentiable variables of the discriminator along the gradients (`𝛁discriminator`) 
        // with the Adam optimizer.
        adamOptimizerD.update(&discriminator, along: 𝛁discriminator)
        }
}       
  • घोषणा

    public typealias Model = Model
  • सीखने की दर.

    घोषणा

    public var learningRate: Float
  • एक गुणांक जिसका उपयोग ग्रेडिएंट्स के पहले क्षणों की गणना करने के लिए किया जाता है।

    घोषणा

    public var beta1: Float
  • ग्रेडिएंट्स के दूसरे क्षणों की गणना करने के लिए उपयोग किया जाने वाला गुणांक।

    घोषणा

    public var beta2: Float
  • संख्यात्मक स्थिरता में सुधार के लिए हर में एक छोटा अदिश जोड़ा गया।

    घोषणा

    public var epsilon: Float
  • सीखने की दर में गिरावट.

    घोषणा

    public var decay: Float
  • वर्तमान कदम.

    घोषणा

    public var step: Int
  • वज़न के पहले क्षण.

    घोषणा

    public var firstMoments: Model.TangentVector
  • वज़न के दूसरे क्षण.

    घोषणा

    public var secondMoments: Model.TangentVector
  • घोषणा

    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
    )

    पैरामीटर

    learningRate

    सीखने की दर. डिफ़ॉल्ट मान 1e-3 है.

    beta1

    पहले क्षण के अनुमान के लिए घातांकीय क्षय दर। डिफ़ॉल्ट मान 0.9 है.

    beta2

    दूसरे क्षण के अनुमान के लिए घातीय क्षय दर। डिफ़ॉल्ट मान 0.999 है.

    epsilon

    संख्यात्मक स्थिरता में सुधार के लिए हर में एक छोटा अदिश जोड़ा गया। डिफ़ॉल्ट मान 1e-8 है.

    decay

    सीखने की दर में गिरावट. डिफॉल्यू मूल्य 0 है ।

  • घोषणा

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

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