AdaMax

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

Optymalizator AdaMax.

Wariant Adama oparty na normie nieskończoności.

Odniesienie: Sekcja 7 książki „Adam – metoda optymalizacji stochastycznej”

• Model
  Deklaracja

  public typealias Model = Model

• Szybkość uczenia się
  Szybkość uczenia się.

  Deklaracja

  public var learningRate: Float

• beta1
  Szybkość zaniku używana do oszacowania pierwszego momentu (średniego) gradientów.

  Deklaracja

  public var beta1: Float

• beta2
  Szybkość zaniku wykorzystana do oszacowania wykładniczo ważonej normy nieskończoności.

  Deklaracja

  public var beta2: Float

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

  Deklaracja

  public var epsilon: Float

• rozkład
  Spadek szybkości uczenia się.

  Deklaracja

  public var decay: Float

• krok
  Liczba kroków.

  Deklaracja

  public var step: Int

• pierwsze chwile
  Pierwsze chwile z ciężarami.

  Deklaracja

  public var firstMoments: Model.TangentVector

• nieskończonośćNorm
  Wykładniczo ważona nieskończona norma wag.

  Deklaracja

  public var infinityNorm: Model.TangentVector

• init(for:learningRate:beta1:beta2:epsilon:decay:)
  Uwaga: Domyślne parametry są zgodne z tymi podanymi w artykule.

  Deklaracja

  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
  )

• aktualizacja(_:razem:)
  Deklaracja

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

• init(kopiowanie:do:)
  Deklaracja

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