Adam

อดัม ชั้นเรียนสาธารณะ

เครื่องมือเพิ่มประสิทธิภาพที่ใช้อัลกอริทึมของ Adam

การปรับให้เหมาะสมของอดัมเป็นวิธีการสุ่มไล่ระดับซึ่งอยู่บนพื้นฐานของการประมาณค่าแบบปรับตัวของโมเมนต์ลำดับที่หนึ่งและลำดับที่สอง

จากข้อมูลของ Kingma et al., 2014 วิธีนี้ "มีประสิทธิภาพในการคำนวณ มีความต้องการหน่วยความจำเพียงเล็กน้อย ไม่แปรผันกับการลดขนาดการไล่ระดับสีในแนวทแยง และเหมาะสำหรับปัญหาที่มีขนาดใหญ่ในแง่ของข้อมูล/พารามิเตอร์"

@see Kingma et al., 2014, Adam: A Method for Stochastic Optimization

ค่าคงที่

ลอย	BETA_ONE_DEFAULT
ลอย	BETA_TWO_DEFAULT
ลอย	EPSILON_DEFAULT
สตริง	FIRST_MOMENT
ลอย	LEARNING_RATE_DEFAULT
สตริง	SECOND_MOMENT

ค่าคงที่ที่สืบทอดมา

จากคลาส org.tensorflow.framework.optimizers.Optimizer

สตริง ตัวแปร_V2

คอนสตรัคชั่นสาธารณะ

	อดัม ( กราฟ กราฟ) สร้างเครื่องมือเพิ่มประสิทธิภาพอดัม
	อดัม ( กราฟ กราฟ, อัตราการเรียนรู้แบบลอยตัว) สร้างเครื่องมือเพิ่มประสิทธิภาพอดัม
	อดัม ( กราฟ กราฟ, อัตราการเรียนรู้แบบลอย, โฟลต betaOne, โฟลต betaTwo, โฟลตเอปไซลอน) สร้างเครื่องมือเพิ่มประสิทธิภาพอดัม
	อดัม ( กราฟ กราฟ ชื่อสตริง อัตราการเรียนรู้แบบลอยตัว) สร้างเครื่องมือเพิ่มประสิทธิภาพอดัม
	อดัม ( กราฟ กราฟ, ชื่อสตริง, อัตราการเรียนรู้แบบลอย, โฟลต betaOne, โฟลต betaTwo, โฟลตเอปไซลอน) สร้างเครื่องมือเพิ่มประสิทธิภาพอดัม

วิธีการสาธารณะ

คงที่ <T ขยาย TType > Op	createAdamMinimize (ขอบเขต ขอบเขต , การสูญเสีย ตัวดำเนินการ <T>, อัตราการเรียนรู้แบบลอย, float betaOne, float betaTwo, epsilon แบบลอย, ตัวเลือก... ตัวเลือก) สร้างการดำเนินการที่ลดการสูญเสียให้เหลือน้อยที่สุด
สตริง	getOptimizerName () รับชื่อของเครื่องมือเพิ่มประสิทธิภาพ
สตริง	toString ()

วิธีการสืบทอด

จากคลาส org.tensorflow.framework.optimizers.Optimizer

ปฏิบัติการ	ApplyGradients (รายการ < GradAndVar <? ขยาย TType >> gradsAndVars ชื่อสตริง) ใช้การไล่ระดับสีกับตัวแปร
<T ขยาย TType > รายการ < GradAndVar <?>>	computeGradients ( ตัวดำเนินการ <?> สูญเสีย) คำนวณการไล่ระดับสีตามตัวถูกดำเนินการที่สูญเสีย
สตริงแบบคงที่	createName ( เอาต์พุต <? ขยาย TType > ตัวแปร, String slotName) สร้างชื่อโดยรวมชื่อตัวแปรและชื่อสล็อต
สตริงที่เป็นนามธรรม	getOptimizerName () รับชื่อของเครื่องมือเพิ่มประสิทธิภาพ
<T ขยาย TType > ตัวเลือก < ตัวแปร <T>>	getSlot ( เอาต์พุต <T> var, String slotName) รับช่องที่เกี่ยวข้องกับตัวแปรและชื่อช่องที่ระบุ
ปฏิบัติการสุดท้าย	getTF () รับอินสแตนซ์ Ops ของ Optimizer
ปฏิบัติการ	ย่อเล็กสุด ( ตัวดำเนินการ <?> การสูญเสีย) ลดการสูญเสียให้เหลือน้อยที่สุดด้วยการอัพเดตตัวแปร
ปฏิบัติการ	ย่อเล็กสุด ( ตัวดำเนินการ <?> การสูญเสีย ชื่อสตริง) ลดการสูญเสียให้เหลือน้อยที่สุดด้วยการอัพเดตตัวแปร

จากคลาส java.lang.Object

บูลีน	เท่ากับ (วัตถุ arg0)
คลาสสุดท้าย<?>	รับคลาส ()
ภายใน	แฮชโค้ด ()
โมฆะสุดท้าย	แจ้ง ()
โมฆะสุดท้าย	แจ้งทั้งหมด ()
สตริง	toString ()
โมฆะสุดท้าย	รอสักครู่ (ยาว arg0, int arg1)
โมฆะสุดท้าย	รอ (ยาว arg0)
โมฆะสุดท้าย	รอ ()

ค่าคงที่

โฟลตสุดท้ายแบบคงที่สาธารณะ BETA_ONE_DEFAULT

ค่าคงที่: 0.9

โฟลตสุดท้ายคงสาธารณะ BETA_TWO_DEFAULT

ค่าคงที่: 0.999

โฟลตสุดท้ายแบบคงที่สาธารณะ EPSILON_DEFAULT

ค่าคงที่: 1.0E-8

สตริงสุดท้ายแบบคงที่สาธารณะ FIRST_MOMENT

ค่าคงที่: "m"

โฟลตสุดท้ายแบบคงที่สาธารณะ LEARNING_RATE_DEFAULT

ค่าคงที่: 0.001