Ostrzeżenie: ten projekt jest przestarzały. Swift dla TensorFlow był eksperymentem na platformie uczenia maszynowego nowej generacji, obejmującym najnowsze badania w zakresie uczenia maszynowego, kompilatorów, programowania różniczkowego, projektowania systemów i nie tylko. Został zarchiwizowany w lutym 2021 r.

Ta strona została przetłumaczona przez Cloud Translation API.

SGD

public class SGD<Model: Differentiable>: Optimizer
where
  Model.TangentVector: VectorProtocol & ElementaryFunctions & KeyPathIterable,
  Model.TangentVector.VectorSpaceScalar == Float

Optymalizator stochastycznego gradientu opadania (SGD).

Implementuje algorytm stochastycznego gradientu opadania z obsługą pędu, zaniku szybkości uczenia się i pędu Niestierowa. Pęd i pęd Niestierowa (inaczej metoda przyspieszonego gradientu Niestierowa) to metody optymalizacji pierwszego rzędu, które mogą poprawić prędkość uczenia i współczynnik zbieżności opadania gradientu.

Bibliografia:

„Metoda przybliżenia stochastycznego” (Robbins i Monro, 1951)
„O stochastycznej metodzie aproksymacji Robbinsa i Monro” (Wolfowitz, 1952)
„Stochastyczne oszacowanie maksimum funkcji regresji” (Kiefer i Wolfowitz, 1952)
„Niektóre metody przyspieszania zbieżności metodą iteracyjną” (Polyak, 1964)
„Metoda problemu nieograniczonej minimalizacji wypukłej ze stopniem zbieżności” (Nesterov, 1983)

Model
Deklaracja
public typealias Model = Model
Szybkość uczenia się
Szybkość uczenia się.
Deklaracja
public var learningRate: Float
pęd
Czynnik pędu. Przyspiesza opadanie w gradiencie stochastycznym w odpowiednim kierunku i tłumi oscylacje.
Deklaracja
public var momentum: Float
rozkład
Spadek szybkości uczenia się.
Deklaracja
public var decay: Float
Nesterow
Użyj pędu Niestierowa, jeśli jest prawdziwy.
Deklaracja
public var nesterov: Bool
prędkość
Stan prędkości modelu.
Deklaracja
public var velocity: Model.TangentVector
krok
Zestaw podjętych kroków.
Deklaracja
public var step: Int

init(for:learningRate:momentum:decay:nesterov:)

Tworzy instancję dla model .

Deklaracja

public init(
  for model: __shared Model,
  learningRate: Float = 0.01,
  momentum: Float = 0,
  decay: Float = 0,
  nesterov: Bool = false
)

Parametry

`learningRate`	Szybkość uczenia się. Wartość domyślna to `0.01` .
`momentum`	Współczynnik pędu, który przyspiesza opadanie gradientu stochastycznego w odpowiednim kierunku i tłumi oscylacje. Wartość domyślna to `0` .
`decay`	Spadek szybkości uczenia się. Wartość domyślna to `0` .
`nesterov`	Użyj pędu Niestierowa, jeśli jest `true` . Wartość domyślna to `true` .

aktualizacja(_:razem:)

Deklaracja

public func update(_ model: inout Model, along direction: Model.TangentVector)

init(kopiowanie:do:)

Deklaracja

public required init(copying other: SGD, to device: Device)