如何使用优化器（optimizers）

优化器是编译 Keras 模型所需的两个参数之一：

model = Sequential()
model.add(Dense(20, 64, init='uniform'))
model.add(Activation('tanh'))
model.add(Activation('softmax'))

sgd = SGD(lr=0.1, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='mean_squared_error', optimizer=sgd)

我们可以在将优化器传递给 model.compile() 之前初始化，正如上面代码所示，或者你可以直接通过名字调用。在后面的例子中，默认的优化器参数将会被使用。

# pass optimizer by name: default parameters will be used
model.compile(loss='mean_squared_error', optimizer='sgd')

基类（base class）

keras.optimizers.Optimizer(**kwargs)

所有的优化器都继承自该类，支持下面的参数：

clipnorm: float >= 0

 这是用来构建优化器的基类，不是实际可以用作训练的优化器。

SGD

keras.optimizers.SGD(lr=0.01, momentum=0., decay=0., nesterov=False)

参数：

• lr: float >= 0. 学习率 Learning rate
• momentum: float >= 0. 参数更新动量 parameter updates momentum
• decay: float >= 0. 学习率每次更新的下降率 Learning rate decay over each update
• nesterov: boolean. 是否应用 Nesterov 动量 whether to apply Nesterov momentum

Adagrad

keras.optimizers.Adagrad(lr=0.01, epsilon=1e-6)

建议使用默认设置
参数：

• lr: float >= 0. 学习率
• epsilon: float >= 0

Adadelta

keras.optimizers.Adadelta(lr=1.0, rho=0.95, epsilon=1e-6)

建议使用默认设置
参数：

• lr: float >= 0. 默认设置
• rho: float >= 0.
• epsilon: float >= 0. Fuzz factor

RMSprop

keras.optimizers.RMSprop(lr=0.001, rho=0.9, epsilon=1e-6)

建议使用默认设置
参数：

• lr: float >= 0. 默认设置
• rho: float >= 0.
• epsilon: float >= 0. Fuzz factor

Adam

keras.optimizers.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-8, kappa=1-1e-8)

Adam 优化器由 Kingma 和 Lei Ba 在 Adam: A method for stochastic optimization。默认参数是文章中建议的。参数 lambda 在此处改做 kappa。
参数：

• lr: float >= 0. Learning rate.
• beta_1, beta_2: floats, 0 < beta < 1. Generally close to 1.
• epsilon: float >= 0. Fuzz factor.
• kappa: float 0 < kappa < 1. Lambda parameter in the original paper.