หน้านี้ได้รับการแปลโดย Cloud Translation API

AdaGradDA

AdaGradDA ชั้นเรียนสาธารณะ

เครื่องมือเพิ่มประสิทธิภาพที่ใช้อัลกอริทึม Adagrad Dual-Averaging

เครื่องมือเพิ่มประสิทธิภาพนี้จะดูแลการทำให้คุณสมบัติที่มองไม่เห็นในชุดย่อยเป็นมาตรฐานโดยการอัปเดตเมื่อเห็นกฎการอัปเดตแบบฟอร์มปิดซึ่งเทียบเท่ากับการอัปเดตในทุกชุดย่อย

โดยทั่วไปแล้ว AdagradDA จะใช้เมื่อมีความจำเป็นในการกระจัดกระจายขนาดใหญ่ในโมเดลที่ได้รับการฝึก เครื่องมือเพิ่มประสิทธิภาพนี้รับประกันความกระจัดกระจายสำหรับโมเดลเชิงเส้นเท่านั้น โปรดใช้ความระมัดระวังเมื่อใช้ AdagradDA สำหรับเครือข่ายระดับลึก เนื่องจากจะต้องมีการเริ่มต้นตัวสะสมการไล่ระดับสีอย่างระมัดระวังเพื่อให้สามารถฝึกได้

ดูสิ่งนี้ด้วย

Duchi, J, et al., 2011, วิธีการปรับย่อยแบบปรับเปลี่ยนได้สำหรับการเรียนรู้ออนไลน์และการเพิ่มประสิทธิภาพ Stochastic

ค่าคงที่

สตริง	ตัวสะสม
ลอย	INITIAL_ACCUMULATOR_DEFAULT
ลอย	L1_STRENGTH_DEFAULT
ลอย	L2_STRENGTH_DEFAULT
ลอย	LEARNING_RATE_DEFAULT
สตริง	SQUARED_ACCUMULATOR

ค่าคงที่ที่สืบทอดมา

จากคลาส org.tensorflow.framework.optimizers.Optimizer

สตริง ตัวแปร_V2

คอนสตรัคชั่นสาธารณะ

	AdaGradDA ( กราฟ กราฟ) สร้างเครื่องมือเพิ่มประสิทธิภาพ AdaGradDA
	AdaGradDA ( กราฟกราฟ , อัตราการเรียนรู้แบบลอยตัว) สร้างเครื่องมือเพิ่มประสิทธิภาพ AdaGradDA
	AdaGradDA ( กราฟ กราฟ, อัตราการเรียนรู้แบบลอยตัว, ค่าเริ่มต้นตัวสะสมลอย, ลอย l1Strength, ลอย l2Strength) สร้างเครื่องมือเพิ่มประสิทธิภาพ AdaGradDA
	AdaGradDA ( กราฟ กราฟ ชื่อสตริง อัตราการเรียนรู้แบบลอยตัว) สร้างเครื่องมือเพิ่มประสิทธิภาพ AdaGradDA
	AdaGradDA ( กราฟกราฟ ชื่อสตริง อัตราการเรียนรู้แบบลอยตัว ค่าเริ่มต้นตัวสะสมลอย ลอย l1Strength ลอย l2Strength) สร้างเครื่องมือเพิ่มประสิทธิภาพ AdaGradDA

วิธีการสาธารณะ

สตริง	getOptimizerName () รับชื่อของเครื่องมือเพิ่มประสิทธิภาพ
สตริง	toString ()

วิธีการสืบทอด

จากคลาส org.tensorflow.framework.optimizers.Optimizer

ปฏิบัติการ	ApplyGradients (รายการ < GradAndVar <? ขยาย TType >> gradsAndVars ชื่อสตริง) ใช้การไล่ระดับสีกับตัวแปร
<T ขยาย TType > รายการ < GradAndVar <?>>	computeGradients ( ตัวดำเนินการ <?> สูญเสีย) คำนวณการไล่ระดับสีตามตัวถูกดำเนินการที่สูญเสีย
สตริงแบบคงที่	createName ( เอาต์พุต <? ขยาย TType > ตัวแปร, String slotName) สร้างชื่อโดยรวมชื่อตัวแปรและชื่อสล็อต
สตริงที่เป็นนามธรรม	getOptimizerName () รับชื่อของเครื่องมือเพิ่มประสิทธิภาพ
<T ขยาย TType > ตัวเลือก < ตัวแปร <T>>	getSlot ( เอาต์พุต <T> var, String slotName) รับช่องที่เกี่ยวข้องกับตัวแปรและชื่อช่องที่ระบุ
ปฏิบัติการสุดท้าย	getTF () รับอินสแตนซ์ Ops ของ Optimizer
ปฏิบัติการ	ย่อเล็กสุด ( ตัวดำเนินการ <?> การสูญเสีย) ลดการสูญเสียให้เหลือน้อยที่สุดด้วยการอัพเดตตัวแปร
ปฏิบัติการ	ย่อเล็กสุด ( ตัวดำเนินการ <?> การสูญเสีย ชื่อสตริง) ลดการสูญเสียให้เหลือน้อยที่สุดด้วยการอัพเดตตัวแปร

จากคลาส java.lang.Object

บูลีน	เท่ากับ (วัตถุ arg0)
คลาสสุดท้าย<?>	รับคลาส ()
ภายใน	แฮชโค้ด ()
โมฆะสุดท้าย	แจ้ง ()
โมฆะสุดท้าย	แจ้งทั้งหมด ()
สตริง	toString ()
โมฆะสุดท้าย	รอสักครู่ (ยาว arg0, int arg1)
โมฆะสุดท้าย	รอ (ยาว arg0)
โมฆะสุดท้าย	รอ ()

ค่าคงที่

ACCUMULATOR สตริงสุดท้ายแบบคงที่สาธารณะ

ค่าคงที่: "gradient_accumulator"

โฟลตสุดท้ายคงสาธารณะ INITIAL_ACCUMULATOR_DEFAULT

ค่าคงที่: 0.1

โฟลตสุดท้ายคงที่สาธารณะ L1_STRENGTH_DEFAULT

ค่าคงที่: 0.0

โฟลตสุดท้ายคงสาธารณะ L2_STRENGTH_DEFAULT

ค่าคงที่: 0.0

โฟลตสุดท้ายแบบคงที่สาธารณะ LEARNING_RATE_DEFAULT

ค่าคงที่: 0.001