深度学习优化算法大全系列6:Adam

1.Adam是啥

前面铺垫了这么多，终于铺垫到Adam了。作为最常用的优化器之一，很多同学可能都听说过Adam的名字，但是Adam是什么意思可能并不清楚。Adam其实包括两部分：Ada+M。其中，Ada就是我们前面提到的Adaptive，而M是我们一直在讲的Momentum。

结合我们前面提到的内容，SGD中的一阶动量计算方式：
$$m_t={\beta }_1{m}_{t-1}+(1-{\beta }_1)g_t$$
而在AdaDelta中，二阶动量为
$$V_t={\beta }_2{V}_{t-1}+(1-{\beta }_2)g_t^2$$

2.结合源码分析

class Adam(Optimizer):
  """Adam optimizer.

  Default parameters follow those provided in the original paper.

  Arguments:
      lr: float >= 0. Learning rate.
      beta_1: float, 0 < beta < 1. Generally close to 1.
      beta_2: float, 0 < beta < 1. Generally close to 1.
      epsilon: float >= 0. Fuzz factor. If `None`, defaults to `K.epsilon()`.
      decay: float >= 0. Learning rate decay over each update.
      amsgrad: boolean. Whether to apply the AMSGrad variant of this algorithm
        from the paper "On the Convergence of Adam and Beyond".
  """

  def __init__(self,
               lr=0.001,
               beta_1=0.9,
               beta_2=0.999,
               epsilon=None,
               decay=0.,
               amsgrad=False,
               **kwargs):
    super(Adam, self).__init__(**kwargs)
    with K.name_scope(self.__class__.__name__):
      self.iterations = K.variable(0, dtype='int64', name='iterations')
      self.lr = K.variable(lr, name='lr')
      self.beta_1 = K.variable(beta_1, name='beta_1')
      self.beta_2 = K.variable(beta_2, name='beta_2')
      self.decay = K.variable(decay, name='decay')
    if epsilon is None:
      epsilon = K.epsilon()
    self.epsilon = epsilon
    self.initial_decay = decay
    self.amsgrad = amsgrad
...

以上为tensorflow中Adam的源码。可以看出，${\beta }_1,\beta 2$等参数值均按原始论文给出。

$lr$:学习率，默认值0.001
${\beta }_1$:控制一阶动量，默认值0.9
${\beta }_2$:控制二阶动量，默认值0.999
$ϵ$: Fuzz factor，默认值1e-7

到此为止，我们平时常用的${\beta }_1,{\beta }_2$参数是彻底搞清楚具体什么意思了。