AdaMax 

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

Pengoptimal AdaMax.

Varian Adam berdasarkan norma tak terhingga.

Referensi: Bagian 7 dari “Adam - Metode Optimasi Stokastik”

  • Pernyataan 

    public typealias Model = Model

  • Kecepatan pembelajaran.

    Pernyataan 

    public var learningRate: Float

  • Tingkat peluruhan digunakan untuk memperkirakan momen pertama (rata-rata) gradien.

    Pernyataan 

    public var beta1: Float

  • Tingkat peluruhan digunakan untuk memperkirakan norma tak terhingga yang tertimbang secara eksponensial.

    Pernyataan 

    public var beta2: Float

  • Skalar kecil ditambahkan ke penyebut untuk meningkatkan stabilitas numerik.

    Pernyataan 

    public var epsilon: Float

  • Penurunan kecepatan pembelajaran.

    Pernyataan 

    public var decay: Float

  • Jumlah langkahnya.

    Pernyataan 

    public var step: Int

  • Momen pertama Libra.

    Pernyataan 

    public var firstMoments: Model.TangentVector

  • Norma bobot tak terhingga yang berbobot secara eksponensial.

    Pernyataan 

    public var infinityNorm: Model.TangentVector

  • Catatan: Parameter default mengikuti yang disediakan di makalah.

    Pernyataan 

    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
)

  • Pernyataan 

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

  • Pernyataan 

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