Adán

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

Optimizador de Adam.

Implementa el algoritmo de optimización de Adam. Adam es un método de descenso de gradiente estocástico que calcula tasas de aprendizaje adaptativo individuales para diferentes parámetros a partir de estimaciones de momentos de primer y segundo orden de los gradientes.

Referencia: "Adam: un método para la optimización estocástica" (Kingma y Ba, 2014).

Ejemplos:

• Entrene un agente de aprendizaje por refuerzo simple:

...
// 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)
    ...
    }
}

• Entrene una red generativa adversaria (GAN):

...
// 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)
        }
}       

• Modelo
  Declaración

  public typealias Model = Model

• tasa de aprendizaje
  La tasa de aprendizaje.

  Declaración

  public var learningRate: Float

• beta1
  Un coeficiente utilizado para calcular los primeros momentos de las pendientes.

  Declaración

  public var beta1: Float

• beta2
  Un coeficiente utilizado para calcular los segundos momentos de las pendientes.

  Declaración

  public var beta2: Float

• épsilon
  Un pequeño escalar agregado al denominador para mejorar la estabilidad numérica.

  Declaración

  public var epsilon: Float

• decadencia
  La tasa de aprendizaje decae.

  Declaración

  public var decay: Float

• paso
  El paso actual.

  Declaración

  public var step: Int

• primeros momentos
  Los primeros momentos de las pesas.

  Declaración

  public var firstMoments: Model.TangentVector

• segundoMomentos
  Los segundos momentos de las pesas.

  Declaración

  public var secondMoments: Model.TangentVector

• init(para:aprendizajeRate:beta1:beta2:epsilon:decay:)
  Declaración

  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
  )

  Parámetros

  learningRate	La tasa de aprendizaje. El valor predeterminado es 1e-3 .
  beta1	La tasa de caída exponencial para las estimaciones del primer momento. El valor predeterminado es 0.9 .
  beta2	La tasa de caída exponencial para las estimaciones del segundo momento. El valor predeterminado es 0.999 .
  epsilon	Un pequeño escalar agregado al denominador para mejorar la estabilidad numérica. El valor predeterminado es 1e-8 .
  decay	La tasa de aprendizaje decae. El valor predeterminado es 0 .

• actualizar(_:junto a:)
  Declaración

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

• init(copiando:a:)
  Declaración

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