ai.onnx.preview.training - 动量¶

动量 - 1 (ai.onnx.preview.training)¶

此版本的算子自领域 ai.onnx.preview.training 的版本 1 起可用。

计算一次带动量的随机梯度更新迭代。此算子可以对多个张量变量进行优化。

让我们定义此算子的行为。正如您所想，带动量的随机梯度需要几个参数

为了简单起见，假设只有一个待优化的张量（称为 “X”）。其他必需的输入是 “X” 的梯度（称为 “G”）和 “X” 的动量（称为 “V”）。此动量算子将所有这些输入映射到 “X” 的新值（称为 “X_new”）及其新动量（称为 “V_new”）。

此算子支持两种不同的动量算法。如果需要 Nesterov 动量，将属性 “mode” 设置为 “nesterov”。否则，将属性 “model” 设置为 “standard” 以使用标准动量的随机梯度法。计算细节将在后文描述。

设 “+”, “-”, “*”, 和 “/” 都是具有 numpy 风格广播的元素级操作。

标准动量的 SG 伪代码

// 添加 0.5 * norm_coefficient * ||X||^2 的梯度，其中 ||X|| 是 X 中所有元素的平方和。 G_regularized = norm_coefficient * X + G

// 在首次训练迭代时，beta 应始终为 1。 beta_adjusted = T > 0 ? beta : 1

// 根据先前的动量和当前梯度计算当前动量。 V_new = alpha * V + beta_adjusted * G_regularized

// 更新 X。 X_new = X - R * V_new

Nesterov 动量的 SG 伪代码

// 添加 0.5 * norm_coefficient * ||X||^2 的梯度，其中 ||X|| 是 X 中所有元素的平方和。 G_regularized = norm_coefficient * X + G;

// 在首次训练迭代时，beta 应始终为 1。 beta_adjusted = T > 0 ? beta : 1

// 根据先前的动量和当前梯度计算当前动量。 V_new = alpha * V + beta_adjusted * G_regularized;

// 计算最终更新方向，然后更新 X。 X_new = X - R * (G_regularized + alpha * V_new)

如果将此算子用于优化多个输入，例如 “X_1” 和 “X_2”。相同的伪代码将被扩展以联合处理所有张量。更具体地说，我们可以将 “X” 视为 “X_1” 和 “X_2” 的串联（当然，它们的梯度和累积梯度也应串联）然后我们的伪代码就适用了。

alpha - 浮点型 (必需)

动量的衰减因子。它应为一个标量。
beta - 浮点型 (必需)

计算新动量时梯度的系数。它应为一个标量。
mode - 字符串型 (必需)

其值应为 “nesterov” 或 “standard”。值为 “nesterov” 表示使用 Nesterov 动量，而 “standard” 则表示使用标准动量的随机梯度法。
norm_coefficient - 浮点型 (必需)

0.5 * norm_coefficient * ||X||^2 的系数。

输入数量在 3 到 2147483647 之间。

R (异构) - T1

学习率。
T (异构) - T2

“X” 的更新计数。它应为一个标量。
inputs (可变参数) - T3

它按顺序包含待优化张量的当前值，然后是它们的梯度张量，最后是它们的动量张量。例如，如果优化两个张量 “X_1” 和 “X_2”，期望的输入列表将是 [“X_1”, “X_2”, “X_1” 的梯度, “X_2” 的梯度, “X_1” 的动量, “X_2” 的动量]。

输出数量在 1 到 2147483647 之间。

outputs (可变参数) - T3

它按顺序包含待优化张量的新值，然后是它们动量的新值。例如，如果优化两个张量 “X_1” 和 “X_2”，输出列表将是 [“X_1” 的新值, “X_2” 的新值, “X_1” 的新动量, “X_2” 的新动量]。