RMSProp

パブリック クラスRMSProp

RMSProp アルゴリズムを実装するオプティマイザー。

RMSprop の要点は次のとおりです。

  • 勾配の二乗の移動 (割引) 平均を維持します。
  • 勾配をこの平均の根で割ります。

RMSprop のこの実装では、ネステロフの運動量ではなく、普通の運動量を使用します。

中心バージョンはさらに、勾配の移動平均を維持し、その平均を使用して分散を推定します。

定数

継承された定数

org.tensorflow.framework.optimizers.Optimizerから

パブリックコンストラクター

RMSProp (グラフグラフ)
RMSPRrop オプティマイザーを作成します
RMSProp ( Graphグラフ、float learningRate)
RMSPRrop オプティマイザーを作成します
RMSProp (グラフグラフ、浮動小数点学習率、浮動小数点減衰、浮動小数点運動量、浮動小数点イプシロン、ブール中心)
RMSPRrop オプティマイザーを作成します
RMSProp (グラフグラフ、文字列名、float learningRate)
RMSPRrop オプティマイザーを作成します
RMSProp (グラフグラフ、文字列名、浮動小数点学習率、浮動小数点減衰、浮動小数点運動量、浮動小数点イプシロン、ブール中心)
RMSPRrop オプティマイザーを作成します

パブリックメソッド

getOptimizerName ()
オプティマイザーの名前を取得します。

継承されたメソッド

org.tensorflow.framework.optimizers.Optimizerから
オペ
applyGradients (List< GradAndVar <? extends TType >> gradsAndVars、文字列名)
変数にグラデーションを適用します
<T extends TType > List< GradAndVar <?>>
computeGradients (オペランド<?> 損失)
損失オペランドに基づいて勾配を計算します。
静的文字列
createName (出力<? extends TType > 変数、文字列スロット名)
変数名とスロット名を組み合わせて名前を作成します
抽象文字列
getOptimizerName ()
オプティマイザーの名前を取得します。
<T extends TType > オプション<変数<T>>
getSlot (出力<T> 変数、文字列スロット名)
指定された変数とスロット名に関連付けられたスロットを取得します。
最終作戦
getTF ()
オプティマイザーの Ops インスタンスを取得します
オペ
最小化(オペランド<?> の損失)
変数を更新することで損失を最小限に抑えます
オペ
minimum (オペランド<?> の損失、文字列名)
変数を更新することで損失を最小限に抑えます
ブール値
等しい(オブジェクト arg0)
最終クラス<?>
getクラス()
整数
ハッシュコード()
最後の空白
通知する()
最後の空白
すべて通知()
toString ()
最後の空白
wait (long arg0, int arg1)
最後の空白
待機(長い引数0)
最後の空白
待って()

定数

パブリック静的最終ブール値CENTERED_DEFAULT

定数値: false

パブリック静的最終浮動小数点数DECAY_DEFAULT

定数値: 0.9

パブリック静的最終フロートEPSILON_DEFAULT

定数値: 1.0E-10

パブリック静的最終フロートLEARNING_RATE_DEFAULT

定数値: 0.001

パブリック静的最終文字列MG

定数値: 「mg」

public static Final String MOMENTUM

定数値: 「勢い」

パブリック静的最終フロートMOMENTUM_DEFAULT

定数値: 0.0

パブリック静的最終文字列RMS

定数値: "rms"

パブリックコンストラクター

パブリックRMSProp (グラフグラフ)

RMSPRrop オプティマイザーを作成します

パラメーター
グラフTensorFlow グラフ

public RMSProp ( Graphグラフ、float learningRate)

RMSPRrop オプティマイザーを作成します

パラメーター
グラフTensorFlow グラフ
学習率学習率

public RMSProp (グラフグラフ、浮動小数点学習率、浮動小数点減衰、浮動小数点運動量、浮動小数点イプシロン、ブール中心)

RMSPRrop オプティマイザーを作成します

パラメーター
グラフTensorFlow グラフ
学習率学習率
減衰履歴/今後の勾配の割引係数。デフォルトは 0.9 です。
勢い加速係数。デフォルトは 0 です。
イプシロン数値安定性のための小さな定数
中心にあるtrueの場合、勾配は勾配の推定分散によって正規化されます。 falseの場合、非中心の 2 番目のモーメントによって。これをtrueに設定するとトレーニングに役立つ可能性がありますが、計算とメモリの点で若干コストが高くなります。デフォルトはfalseです。

public RMSProp ( Graphグラフ、文字列名、float learningRate)

RMSPRrop オプティマイザーを作成します

パラメーター
グラフTensorFlow グラフ
名前このオプティマイザーの名前。デフォルトは「RMSProp」です。
学習率学習率

public RMSProp (グラフグラフ、文字列名、浮動小数点学習率、浮動小数点減衰、浮動小数点運動量、浮動小数点イプシロン、ブール中心)

RMSPRrop オプティマイザーを作成します

パラメーター
グラフTensorFlow グラフ
名前このオプティマイザーの名前。デフォルトは「RMSProp」です。
学習率学習率
減衰履歴/今後の勾配の割引係数。デフォルトは 0.9 です。
勢い加速係数。デフォルトは 0 です。
イプシロン数値安定性のための小さな定数
中心にあるtrueの場合、勾配は勾配の推定分散によって正規化されます。 falseの場合、非中心の 2 番目のモーメントによって。これをtrueに設定するとトレーニングに役立つ可能性がありますが、計算とメモリの点で若干コストが高くなります。デフォルトはfalseです。

パブリックメソッド

public String getOptimizerName ()

オプティマイザーの名前を取得します。

戻り値
  • オプティマイザーの名前。

public String toString ()