AdaGradDA

klasa publiczna AdaGradDA

Optymalizator implementujący algorytm Adagrad Dual-Averaging.

Optymalizator ten dba o regularyzację niewidocznych funkcji w mini-partiach, aktualizując je, gdy są widoczne, za pomocą reguły aktualizacji w formularzu zamkniętym, co jest równoznaczne z aktualizacją ich w każdej mini-partii.

AdagradDA jest zwykle używany, gdy istnieje potrzeba dużej rzadkości w wyuczonym modelu. Optymalizator ten gwarantuje rzadkość jedynie w przypadku modeli liniowych. Zachowaj ostrożność podczas korzystania z AdagradDA w głębokich sieciach, ponieważ będzie wymagało to starannej inicjalizacji akumulatorów gradientu, aby mógł zostać uczony.

Zobacz też

• Duchi, J i in., 2011, Adaptacyjne metody subgradientowe do uczenia się online i optymalizacji stochastycznej

Stałe

Strunowy	AKUMULATOR
platforma	INITIAL_ACCUMULATOR_DEFAULT
platforma	L1_STRENGTH_DEFAULT
platforma	L2_STRENGTH_DEFAULT
platforma	LEARNING_RATE_DEFAULT
Strunowy	KWADRAT_AKUMULATOR

Dziedziczone stałe

Z klasy org.tensorflow.framework.optimizers.Optimizer

Strunowy

ZMIENNA_V2

Konstruktorzy publiczni

	AdaGradDA ( wykres graficzny ) Tworzy optymalizator AdaGradDA
	AdaGradDA (wykres graficzny , płynna naukaRate) Tworzy optymalizator AdaGradDA
	AdaGradDA (wykres wykresu , float learningRate, float początkowaAccumulatorValue, float l1Strength, float l2Strength) Tworzy optymalizator AdaGradDA
	AdaGradDA (wykres graficzny , nazwa ciągu, współczynnik uczenia się typu float) Tworzy optymalizator AdaGradDA
	AdaGradDA (wykres wykresu , nazwa łańcucha, float learningRate, float początkowaAccumulatorValue, float l1Strength, float l2Strength) Tworzy optymalizator AdaGradDA

Metody publiczne

Strunowy	getOptimizerName () Uzyskaj nazwę optymalizatora.
Strunowy	doString ()

Metody dziedziczone

Z klasy org.tensorflow.framework.optimizers.Optimizer

Op	ApplyGradients (List< GradAndVar <? rozszerza TType >> gradsAndVars, nazwa ciągu) Stosuje gradienty do zmiennych
<T rozszerza TType > Lista< GradAndVar <?>>	computeGradients (Utrata argumentu <?>) Oblicza gradienty na podstawie argumentu straty.
ciąg statyczny	createName ( Wyjście <? rozszerza TType > zmienna, String NazwaSlotu) Tworzy nazwę poprzez połączenie nazwy zmiennej i nazwy gniazda
abstrakcyjny ciąg	getOptimizerName () Uzyskaj nazwę optymalizatora.
<T rozszerza TType > Opcjonalne< Zmienna <T>>	getSlot ( Wyjście <T> var, String NazwaSlotu) Pobiera gniazdo skojarzone z określoną zmienną i nazwą gniazda.
ostatnie operacje	getTF () Pobiera instancję Optymalizatora
Op	minimalizuj (utrata argumentu <?>) Minimalizuje straty poprzez aktualizację zmiennych
Op	minimalizuj (Utrata argumentu <?>, nazwa ciągu) Minimalizuje straty poprzez aktualizację zmiennych

Z klasy java.lang.Object

wartość logiczna	równa się (Obiekt arg0)
ostatnia klasa<?>	pobierzKlasę ()
wew	hashCode ()
ostateczna pustka	powiadomić ()
ostateczna pustka	powiadom wszystkich ()
Strunowy	doString ()
ostateczna pustka	czekaj (długi arg0, int arg1)
ostateczna pustka	czekaj (długi arg0)
ostateczna pustka	Czekać ()

Stałe

publiczny statyczny końcowy akumulator AKUMULATORA

Wartość stała: „gradient_akumulator”

publiczny statyczny końcowy float INITIAL_ACCUMULATOR_DEFAULT

Wartość stała: 0,1

publiczny statyczny końcowy float L1_STRENGTH_DEFAULT

Wartość stała: 0,0

publiczny statyczny końcowy float L2_STRENGTH_DEFAULT

Wartość stała: 0,0

publiczny statyczny końcowy float LEARNING_RATE_DEFAULT

Wartość stała: 0,001

publiczny statyczny końcowy ciąg znaków SQUARED_ACCUMULATOR

Stała wartość: „gradient_squared_akumulator”

Konstruktorzy publiczni

publiczny AdaGradDA (wykres graficzny )

Tworzy optymalizator AdaGradDA

Parametry

wykres	wykres TensorFlow

publiczny AdaGradDA (wykres graficzny , float learningRate)

Tworzy optymalizator AdaGradDA

Parametry

wykres	wykres TensorFlow
Szybkość uczenia się	tempo uczenia się

public AdaGradDA (wykres wykresu , float learningRate, float originAccumulatorValue, float l1Strength, float l2Strength)

Tworzy optymalizator AdaGradDA

Parametry

wykres	wykres TensorFlow
Szybkość uczenia się	tempo uczenia się
początkowa wartość akumulatora	Wartość początkowa akumulatorów musi być większa od zera.
l1Siła	l1 siła regularyzacji musi być większa lub równa zeru.
l2Siła	l2 siła regularyzacji musi być większa lub równa zeru.

Rzuca

Wyjątek IllegalArgument	jeśli wartość początkowaAccumulatorValue nie jest większa od zera lub l1Strength lub l2Strength jest mniejsza od zera

public AdaGradDA (wykres wykresu , nazwa ciągu, współczynnik uczenia się typu float)

Tworzy optymalizator AdaGradDA

Parametry

wykres	wykres TensorFlow
nazwa	nazwa tego Optymalizatora (domyślnie to „adagrad-da”)
Szybkość uczenia się	tempo uczenia się

public AdaGradDA (wykres wykresu , nazwa ciągu, float learningRate, float początkowaAccumulatorValue, float l1Strength, float l2Strength)

Tworzy optymalizator AdaGradDA

Parametry

wykres	wykres TensorFlow
nazwa	nazwa tego Optymalizatora (domyślnie to „adagrad-da”)
Szybkość uczenia się	tempo uczenia się
początkowa wartość akumulatora	Wartość początkowa akumulatorów musi być dodatnia
l1Siła	l1 siła regularyzacji musi być większa lub równa zeru.
l2Siła	l2 siła regularyzacji musi być większa lub równa zeru.

Rzuca

Wyjątek IllegalArgument	jeśli wartość początkowaAccumulatorValue nie jest większa od zera lub * l1Strength lub l2Strength jest mniejsza od zera

Metody publiczne

public String getOptimizerName ()

Uzyskaj nazwę optymalizatora.

Zwroty

• Nazwa optymalizatora.

publiczny ciąg do ciągu ()