classe pubblica RMSProp
Ottimizzatore che implementa l'algoritmo RMSProp.
L'essenza di RMSprop è:
- Mantenere una media mobile (scontata) del quadrato dei gradienti
- Dividi il gradiente per la radice di questa media
Questa implementazione di RMSprop utilizza lo slancio semplice, non lo slancio di Nesterov.
La versione centrata mantiene inoltre una media mobile dei gradienti e utilizza tale media per stimare la varianza.
Costanti
| booleano | CENTRATO_DEFAULT | |
| galleggiante | DECADIMENTO_DEFAULT | |
| galleggiante | EPSILON_DEFAULT | |
| galleggiante | LEARNING_RATE_DEFAULT | |
| Corda | MG | |
| Corda | QUANTITÀ DI MOTO | |
| galleggiante | MOMENTUM_DEFAULT | |
| Corda | RMS |
Costanti ereditate
| Corda | VARIABILE_V2 |
Costruttori pubblici
Metodi pubblici
| Corda | getOptimizerName () Ottieni il nome dell'ottimizzatore. |
| Corda | accordare () |
Metodi ereditati
| Operazione | applyGradients (List< GradAndVar <? extends TType >> gradsAndVars, nome stringa) Applica gradienti alle variabili |
| <T estende TType > List< GradAndVar <?>> | |
| stringa statica | createName ( Output <? estende TType > variabile, String slotName) Crea un nome combinando un nome di variabile e un nome di slot |
| stringa astratta | getOptimizerName () Ottieni il nome dell'ottimizzatore. |
| <T estende TType > Opzionale< Variabile <T>> | |
| operazioni finali | ottieni TF () Ottiene l'istanza Ops dell'ottimizzatore |
| Operazione | |
| Operazione |
| booleano | è uguale a (Oggetto arg0) |
| Classe finale<?> | getClass () |
| int | codice hash () |
| vuoto finale | notificare () |
| vuoto finale | notificaTutti () |
| Corda | accordare () |
| vuoto finale | attendere (lungo arg0, int arg1) |
| vuoto finale | aspetta (lungo arg0) |
| vuoto finale | Aspettare () |
Costanti
booleano finale statico pubblico CENTERED_DEFAULT
Valore costante: falso
float finale statico pubblico DECAY_DEFAULT
Valore costante: 0,9
float finale statico pubblico EPSILON_DEFAULT
Valore costante: 1.0E-10
float finale statico pubblico LEARNING_RATE_DEFAULT
Valore costante: 0,001
stringa finale statica pubblica MG
Valore costante: "mg"
stringa finale statica pubblica MOMENTUM
Valore costante: "slancio"
float finale statico pubblico MOMENTUM_DEFAULT
Valore costante: 0,0
Stringa finale statica pubblica RMS
Valore costante: "rms"
Costruttori pubblici
RMSProp pubblico (grafico grafico )
Crea un ottimizzatore RMSPRrop
Parametri
| grafico | il grafico TensorFlow |
|---|
RMSProp pubblico (grafico grafico , tasso di apprendimento float)
Crea un ottimizzatore RMSPRrop
Parametri
| grafico | il grafico TensorFlow |
|---|---|
| tasso di apprendimento | il tasso di apprendimento |
RMSProp pubblico (grafico grafico , tasso di apprendimento float, decadimento float, momento float, epsilon float, booleano centrato)
Crea un ottimizzatore RMSPRrop
Parametri
| grafico | il grafico TensorFlow |
|---|---|
| tasso di apprendimento | il tasso di apprendimento |
| decadimento | Fattore di sconto per il gradiente storico/prossimo. Il valore predefinito è 0,9. |
| quantità di moto | il fattore di accelerazione, il valore predefinito è 0. |
| epsilon | Una piccola costante per la stabilità numerica |
| centrato | Se true , i gradienti vengono normalizzati dalla varianza stimata del gradiente; se false , dal secondo momento non centrato. Impostarlo su true può aiutare con l'addestramento, ma è leggermente più costoso in termini di calcolo e memoria. Il valore predefinito è false . |
public RMSProp (grafico grafico , nome stringa, float learningRate)
Crea un ottimizzatore RMSPRrop
Parametri
| grafico | il grafico TensorFlow |
|---|---|
| nome | il nome di questo ottimizzatore. Il valore predefinito è "RMSProp". |
| tasso di apprendimento | il tasso di apprendimento |
public RMSProp (grafico grafico , nome stringa, tasso di apprendimento float, decadimento float, momento float, epsilon float, booleano centrato)
Crea un ottimizzatore RMSPRrop
Parametri
| grafico | il grafico TensorFlow |
|---|---|
| nome | il nome di questo ottimizzatore. Il valore predefinito è "RMSProp". |
| tasso di apprendimento | il tasso di apprendimento |
| decadimento | Fattore di sconto per il gradiente storico/prossimo. Il valore predefinito è 0,9. |
| quantità di moto | Il fattore di accelerazione, il valore predefinito è 0. |
| epsilon | Una piccola costante per la stabilità numerica |
| centrato | Se true , i gradienti vengono normalizzati dalla varianza stimata del gradiente; se false , dal secondo momento non centrato. Impostarlo su true può aiutare con l'addestramento, ma è leggermente più costoso in termini di calcolo e memoria. Il valore predefinito è false . |
Metodi pubblici
public String getOptimizerName ()
Ottieni il nome dell'ottimizzatore.
ritorna
- Il nome dell'ottimizzatore.