Adam

clase pública adán

Optimizador que implementa el algoritmo Adam.

La optimización de Adam es un método de descenso de gradiente estocástico que se basa en la estimación adaptativa de momentos de primer y segundo orden.

Según Kingma et al., 2014, el método es "computacionalmente eficiente, tiene pocos requisitos de memoria, es invariante al cambio de escala diagonal de gradientes y es muy adecuado para problemas que son grandes en términos de datos/parámetros".

@ver Kingma et al., 2014, Adam: un método para la optimización estocástica .

Constantes

flotar	BETA_ONE_DEFAULT
flotar	BETA_TWO_DEFAULT
flotar	EPSILON_DEFAULT
Cadena	PRIMER MOMENTO
flotar	APRENDIZAJE_RATE_DEFAULT
Cadena	SEGUNDO_MOMENTO

Constantes heredadas

De la clase org.tensorflow.framework.optimizers.Optimizer

Cadena

VARIABLE_V2

Constructores Públicos

	Adán (gráfico gráfico ) Crea un optimizador Adam
	Adam (gráfico gráfico , tasa de aprendizaje flotante) Crea un optimizador Adam
	Adam (gráfico gráfico , tasa de aprendizaje flotante, beta uno flotante, beta dos flotante, épsilon flotante) Crea un optimizador Adam
	Adam (gráfico gráfico , nombre de cadena, tasa de aprendizaje flotante) Crea un optimizador Adam
	Adam ( gráfico , nombre de cadena, tasa de aprendizaje flotante, betauno flotante, betados flotante, épsilon flotante) Crea un optimizador Adam

Métodos públicos

estático <T extiende TType > Op	createAdamMinimize (alcance del alcance , pérdida del operando <T>, tasa de aprendizaje flotante, betaUno flotante, betaTwo flotante, épsilon flotante, Opciones... opciones) Crea la Operación que minimiza la pérdida.
Cadena	getOptimizerName () Obtenga el nombre del optimizador.
Cadena	Encadenar ()

Métodos heredados

De la clase org.tensorflow.framework.optimizers.Optimizer

Op.	applyGradients (Lista< GradAndVar <? extiende TType >> gradsAndVars, nombre de cadena) Aplica gradientes a las variables.
<T extiende TType > Lista< GradAndVar <?>>	ComputeGradients (pérdida de operando <?>) Calcula los gradientes basándose en un operando de pérdida.
cadena estática	createName ( Salida <? extiende TType > variable, String slotName) Crea un nombre combinando un nombre de variable y un nombre de ranura
cadena abstracta	getOptimizerName () Obtenga el nombre del optimizador.
<T extiende TType > Opcional< Variable <T>>	getSlot ( Salida <T> var, String slotName) Obtiene la ranura asociada con la variable especificada y el nombre de la ranura.
operaciones finales	obtenerTF () Obtiene la instancia de operaciones del optimizador.
Op.	minimizar ( operando <?> pérdida) Minimiza la pérdida actualizando las variables.
Op.	minimizar ( operando <?> pérdida, nombre de cadena) Minimiza la pérdida actualizando las variables.

De la clase java.lang.Object

booleano	es igual (Objeto arg0)
Clase final<?>	obtenerclase ()
En t	código hash ()
vacío final	notificar ()
vacío final	notificar a todos ()
Cadena	Encadenar ()
vacío final	esperar (arg0 largo, int arg1)
vacío final	espera (arg0 largo)
vacío final	esperar ()

Constantes

flotación final estática pública BETA_ONE_DEFAULT

Valor constante: 0,9

flotación final estática pública BETA_TWO_DEFAULT

Valor constante: 0,999

flotación final estática pública EPSILON_DEFAULT

Valor constante: 1.0E-8

Cadena final estática pública FIRST_MOMENT

Valor constante: "m"

flotación final estática pública LEARNING_RATE_DEFAULT

Valor constante: 0,001

Cadena final estática pública SECOND_MOMENT

Valor constante: "v"

Constructores Públicos

Adán público (gráfico gráfico )

Crea un optimizador Adam

Parámetros

grafico	el gráfico de TensorFlow

Adam público (gráfico gráfico , tasa de aprendizaje flotante)

Crea un optimizador Adam

Parámetros

grafico	el gráfico de TensorFlow
tasa de aprendizaje	la tasa de aprendizaje

Adam público (gráfico gráfico , tasa de aprendizaje flotante, beta uno flotante, beta dos flotante, épsilon flotante)

Crea un optimizador Adam

Parámetros

grafico	el gráfico de TensorFlow
tasa de aprendizaje	la tasa de aprendizaje
betauno	La tasa de caída exponencial para las estimaciones del primer momento. El valor predeterminado es 0,9.
betados	La tasa de caída exponencial para las estimaciones del segundo momento. El valor predeterminado es 0,999.
épsilon	Una pequeña constante para la estabilidad numérica. Este épsilon es "sombrero épsilon" en el artículo de Kingma y Ba (en la fórmula justo antes de la Sección 2.1), no el épsilon en el Algoritmo 1 del artículo. El valor predeterminado es 1e-8.

Adam público (gráfico gráfico , nombre de cadena, tasa de aprendizaje flotante)

Crea un optimizador Adam

Parámetros

grafico	el gráfico de TensorFlow
nombre	el nombre del Optimizador, por defecto es "Adam"
tasa de aprendizaje	la tasa de aprendizaje

Adam público ( gráfico , nombre de cadena, tasa de aprendizaje flotante, betaUno flotante, betaTwo flotante, épsilon flotante)

Crea un optimizador Adam

Parámetros

grafico	el gráfico de TensorFlow
nombre	el nombre del Optimizador, por defecto es "Adam"
tasa de aprendizaje	la tasa de aprendizaje
betauno	La tasa de caída exponencial para las estimaciones del primer momento. El valor predeterminado es 0,9.
betados	La tasa de caída exponencial para las estimaciones del segundo momento. El valor predeterminado es 0,999.
épsilon	Una pequeña constante para la estabilidad numérica. Este épsilon es "sombrero épsilon" en el artículo de Kingma y Ba (en la fórmula justo antes de la Sección 2.1), no el épsilon en el Algoritmo 1 del artículo. El valor predeterminado es 1e-8.

Métodos públicos

Op pública estática createAdamMinimize ( alcance , pérdida de operando <T>, tasa de aprendizaje flotante, betaOne flotante, betaTwo flotante, épsilon flotante, Opciones... opciones)

Crea la Operación que minimiza la pérdida.

Parámetros

alcance	el alcance de TensorFlow
pérdida	la pérdida para minimizar
tasa de aprendizaje	la tasa de aprendizaje
betauno	La tasa de caída exponencial para las estimaciones del primer momento.
betados	La tasa de caída exponencial para las estimaciones del segundo momento.
épsilon	Una pequeña constante para la estabilidad numérica. Este épsilon es "sombrero épsilon" en el artículo de Kingma y Ba (en la fórmula justo antes de la Sección 2.1), no el épsilon en el Algoritmo 1 del artículo.
opciones	Atributos opcionales del optimizador

Devoluciones

• la Operación que minimiza la pérdida

Lanza

Argumento de excepción ilegal	si el alcance no representa un gráfico

cadena pública getOptimizerName ()

Obtenga el nombre del optimizador.

Devoluciones

• El nombre del optimizador.

cadena pública a cadena ()