Optimizador que implementa el algoritmo RMSProp.
La esencia de RMSprop es:
- Mantener un promedio móvil (descontado) del cuadrado de gradientes
- Divida el gradiente por la raíz de este promedio.
Esta implementación de RMSprop utiliza un impulso simple, no el impulso de Nesterov.
La versión centrada además mantiene un promedio móvil de los gradientes y usa ese promedio para estimar la varianza.
Constantes
booleano | CENTERED_DEFAULT | |
flotador | DECAY_DEFAULT | |
flotador | EPSILON_DEFAULT | |
flotador | LEARNING_RATE_DEFAULT | |
Cuerda | MG | |
Cuerda | IMPULSO | |
flotador | MOMENTUM_DEFAULT | |
Cuerda | RMS |
Constantes heredadas
Constructores públicos
RMSProp ( gráfico de gráfico, nombre de cadena, tasa de aprendizaje flotante) Crea un RMSPRrop Optimizer | |
RMSProp ( gráfico de gráfico, nombre de cadena, tasa de aprendizaje flotante, decaimiento flotante, impulso flotante, épsilon flotante, centrado booleano) Crea un RMSPRrop Optimizer |
Métodos públicos
Cuerda | getOptimizerName () Obtenga el nombre del optimizador. |
Cuerda | toString () |
Métodos heredados
Constantes
público estático final booleano CENTERED_DEFAULT
flotador final estático público DECAY_DEFAULT
flotador final estático público EPSILON_DEFAULT
flotador final estático público LEARNING_RATE_DEFAULT
Cadena final estática pública MG
Cadena final estática pública MOMENTUM
flotador final estático público MOMENTUM_DEFAULT
Cadena final estática pública RMS
Constructores públicos
public RMSProp ( gráfico gráfico)
Crea un RMSPRrop Optimizer
Parámetros
grafico | el gráfico de TensorFlow |
---|
public RMSProp ( gráfico gráfico, tasa de aprendizaje flotante)
Crea un RMSPRrop Optimizer
Parámetros
grafico | el gráfico de TensorFlow |
---|---|
tasa de aprendizaje | la tasa de aprendizaje |
public RMSProp ( gráfico gráfico, tasa de aprendizaje flotante, decaimiento flotante, impulso flotante, épsilon flotante, centrado booleano)
Crea un RMSPRrop Optimizer
Parámetros
grafico | el gráfico de TensorFlow |
---|---|
tasa de aprendizaje | la tasa de aprendizaje |
decaer | Factor de descuento para el historial / gradiente próximo. El valor predeterminado es 0.9. |
impulso | el factor de aceleración, el valor predeterminado es 0. |
épsilon | Una pequeña constante para la estabilidad numérica |
centrado | Si es true , los gradientes se normalizan por la varianza estimada del gradiente; si es false , por el segundo momento descentrado. Establecer esto en true puede ayudar con el entrenamiento, pero es un poco más caro en términos de cálculo y memoria. El valor predeterminado es false . |
public RMSProp ( gráfico de gráfico, nombre de cadena, tasa de aprendizaje flotante)
Crea un RMSPRrop Optimizer
Parámetros
grafico | el gráfico de TensorFlow |
---|---|
nombre | el nombre de este Optimizador. El valor predeterminado es "RMSProp". |
tasa de aprendizaje | la tasa de aprendizaje |
public RMSProp ( gráfico de gráfico, nombre de cadena, tasa de aprendizaje flotante, decaimiento flotante, impulso flotante, épsilon flotante, centrado booleano)
Crea un RMSPRrop Optimizer
Parámetros
grafico | el gráfico de TensorFlow |
---|---|
nombre | el nombre de este Optimizador. El valor predeterminado es "RMSProp". |
tasa de aprendizaje | la tasa de aprendizaje |
decaer | Factor de descuento para el historial / gradiente próximo. El valor predeterminado es 0.9. |
impulso | El factor de aceleración, el valor predeterminado es 0. |
épsilon | Una pequeña constante para la estabilidad numérica |
centrado | Si es true , los gradientes se normalizan por la varianza estimada del gradiente; si es false , por el segundo momento descentrado. Establecer esto en true puede ayudar con el entrenamiento, pero es un poco más caro en términos de cálculo y memoria. El valor predeterminado es false . |
Métodos públicos
public String getOptimizerName ()
Obtenga el nombre del optimizador.
Devoluciones
- El nombre del optimizador.