AMSGrad

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

Otimizador AMSGrad.

Este algoritmo é uma modificação de Adam com melhores propriedades de convergência quando próximo a ótimos locais.

Referência: “na convergência de Adam and Beyond”

• Modelo

  Declaração

  public typealias Model = Model

• taxa de Aprendizagem

  A taxa de aprendizagem.

  Declaração

  public var learningRate: Float

• beta1

  Um coeficiente usado para calcular o primeiro e o segundo momentos dos gradientes.

  Declaração

  public var beta1: Float

• beta2

  Um coeficiente usado para calcular o primeiro e o segundo momentos dos gradientes.

  Declaração

  public var beta2: Float

• épsilon

  Um pequeno escalar adicionado ao denominador para melhorar a estabilidade numérica.

  Declaração

  public var epsilon: Float

• decair

  O declínio da taxa de aprendizagem.

  Declaração

  public var decay: Float

• Passo

  A etapa atual.

  Declaração

  public var step: Int

• firstMoments

  Os primeiros momentos dos pesos.

  Declaração

  public var firstMoments: Model.TangentVector

• secondMoments

  Os segundos momentos dos pesos.

  Declaração

  public var secondMoments: Model.TangentVector

• secondMomentsMax

  O máximo dos segundos momentos dos pesos.

  Declaração

  public var secondMomentsMax: Model.TangentVector

• init (para: learningRate: beta1: beta2: epsilon: decay :)

  Declaração

  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
  )

• atualização (_: junto :)

  Declaração

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

• init (copiando: para :)

  Declaração

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