Tensorflow Adam优化器vs Keras Adam优化器

Question

我最初在Keras开发了一个分类器，在那里我的优化器非常容易应用于衰减。

adam = keras.optimizers.Adam(decay=0.001)

最近，我试图将整个代码更改为纯Tensorflow，但无法弄清楚如何将相同的衰减机制正确地应用于优化器。

optimizer = tf.train.AdamOptimizer()
train_op = optimizer.minimize(loss=loss,global_step=tf.train.get_global_step())

如何将在Keras代码段中看到的相同学习速率衰减应用于Tensorflow代码段？

Answer 1

您可以找到有关张量流中衰减的不错的文档：

...
global_step = tf.Variable(0, trainable=False)
starter_learning_rate = 0.1
learning_rate = tf.train.exponential_decay(starter_learning_rate, global_step,
                                           100000, 0.96, staircase=True)

learning_step = ( tf.train.GradientDescentOptimizer(learning_rate)
    .minimize(...my loss..., global_step=global_step)
)

tf.train.exponential_decay对学习率应用指数衰减。

其他衰变：

• inverse_time_decay
• polynomial_decay
• linear_cosine_decay
• exponential_decay
• cosine_decay
• cosine_decay_restarts
• natural_exp_decay
• noisy_linear_cosine_decay

Keras 在 AdamOptimizer 中实现了类似于下面的衰减，这与张量流中的inverse_time_decay非常接近：

lr = self.lr * (1. / (1. + self.decay * self.iterations))