AMS졸업

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

AMSGrad 최적화 프로그램.

이 알고리즘은 로컬 최적값에 가까울 때 더 나은 수렴 속성을 갖는 Adam의 수정입니다.

참조: “아담과 그 너머의 수렴에 대하여”

• 모델
  선언

  public typealias Model = Model

• 학습률
  학습률입니다.

  선언

  public var learningRate: Float

• 베타1
  기울기의 첫 번째 및 두 번째 모멘트를 계산하는 데 사용되는 계수입니다.

  선언

  public var beta1: Float

• 베타2
  기울기의 첫 번째 및 두 번째 모멘트를 계산하는 데 사용되는 계수입니다.

  선언

  public var beta2: Float

• 엡실론
  수치 안정성을 향상시키기 위해 분모에 작은 스칼라가 추가되었습니다.

  선언

  public var epsilon: Float

• 부식
  학습률이 감소합니다.

  선언

  public var decay: Float

• 단계
  현재 단계.

  선언

  public var step: Int

• 첫 순간
  가중치의 첫 순간.

  선언

  public var firstMoments: Model.TangentVector

• 두 번째 순간
  가중치의 두 번째 순간.

  선언

  public var secondMoments: Model.TangentVector

• secondMomentsMax
  가중치의 두 번째 순간의 최대값입니다.

  선언

  public var secondMomentsMax: Model.TangentVector

• 초기화(for:learningRate:beta1:beta2:epsilon:decay:)
  선언

  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
  )

• 업데이트(_:along:)
  선언

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

• 초기화(복사:대상:)
  선언

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