Adam

classe pubblica Adamo

Ottimizzatore che implementa l'algoritmo di Adam.

L'ottimizzazione di Adam è un metodo di discesa del gradiente stocastico basato sulla stima adattiva dei momenti del primo e del secondo ordine.

Secondo Kingma et al., 2014, il metodo è "efficiente dal punto di vista computazionale, ha pochi requisiti di memoria, è invariante al riscalamento diagonale dei gradienti ed è adatto per problemi di grandi dimensioni in termini di dati/parametri".

@vedi Kingma et al., 2014, Adam: A Method for Stochastic Optimization .

Costanti

galleggiante	BETA_ONE_DEFAULT
galleggiante	BETA_TWO_DEFAULT
galleggiante	EPSILON_DEFAULT
Corda	PRIMO_MOMENTO
galleggiante	LEARNING_RATE_DEFAULT
Corda	SECONDO_MOMENTO

Costanti ereditate

Dalla classe org.tensorflow.framework.optimizers.Optimizer

Corda

VARIABILE_V2

Costruttori pubblici

	Adam (grafico grafico ) Crea un ottimizzatore Adam
	Adam (grafico grafico , tasso di apprendimento float) Crea un ottimizzatore Adam
	Adam ( Grafico grafico, float learningRate, float betaOne, float betaTwo, float epsilon) Crea un ottimizzatore Adam
	Adam (grafico grafico , nome stringa, tasso di apprendimento float) Crea un ottimizzatore Adam
	Adam (grafico grafico , nome stringa, float learningRate, float betaOne, float betaTwo, float epsilon) Crea un ottimizzatore Adam

Metodi pubblici

statico <T estende TType > Op	createAdamMinimize (ambito dell'ambito , perdita dell'operando <T>, float learningRate, float betaOne, float betaTwo, float epsilon, Opzioni... opzioni) Crea l'Operazione che minimizza la perdita
Corda	getOptimizerName () Ottieni il nome dell'ottimizzatore.
Corda	accordare ()

Metodi ereditati

Dalla classe org.tensorflow.framework.optimizers.Optimizer

Operazione	applyGradients (List< GradAndVar <? extends TType >> gradsAndVars, nome stringa) Applica gradienti alle variabili
<T estende TType > List< GradAndVar <?>>	computeGradients ( operando <?> perdita) Calcola i gradienti in base a un operando di perdita.
stringa statica	createName ( Output <? estende TType > variabile, String slotName) Crea un nome combinando un nome di variabile e un nome di slot
stringa astratta	getOptimizerName () Ottieni il nome dell'ottimizzatore.
<T estende TType > Opzionale< Variabile <T>>	getSlot ( Output <T> var, String slotName) Ottiene lo slot associato alla variabile e al nome dello slot specificati.
operazioni finali	ottieni TF () Ottiene l'istanza Ops dell'ottimizzatore
Operazione	minimizzare ( operando <?> perdita) Minimizza la perdita aggiornando le variabili
Operazione	minimizzare ( operando <?> perdita, nome stringa) Minimizza la perdita aggiornando le variabili

Dalla classe java.lang.Object

booleano	è uguale a (Oggetto arg0)
Classe finale<?>	getClass ()
int	codice hash ()
vuoto finale	notificare ()
vuoto finale	notificaTutti ()
Corda	accordare ()
vuoto finale	attendere (lungo arg0, int arg1)
vuoto finale	aspetta (lungo arg0)
vuoto finale	Aspettare ()

Costanti

float finale statico pubblico BETA_ONE_DEFAULT

Valore costante: 0,9

float finale statico pubblico BETA_TWO_DEFAULT

Valore costante: 0,999

float finale statico pubblico EPSILON_DEFAULT

Valore costante: 1.0E-8

Stringa finale statica pubblica FIRST_MOMENT

Valore costante: "m"

float finale statico pubblico LEARNING_RATE_DEFAULT

Valore costante: 0,001

Stringa finale statica pubblica SECOND_MOMENT

Valore costante: "v"

Costruttori pubblici

pubblico Adam (grafico grafico )

Crea un ottimizzatore Adam

Parametri

grafico	il grafico TensorFlow

Adam pubblico (grafico grafico , tasso di apprendimento float)

Crea un ottimizzatore Adam

Parametri

grafico	il grafico TensorFlow
tasso di apprendimento	il tasso di apprendimento

public Adam ( Grafico grafico, float learningRate, float betaOne, float betaTwo, float epsilon)

Crea un ottimizzatore Adam

Parametri

grafico	il grafico TensorFlow
tasso di apprendimento	il tasso di apprendimento
betaOne	Il tasso di decadimento esponenziale per le stime del primo momento. Il valore predefinito è 0,9.
betaDue	Il tasso di decadimento esponenziale per le stime del 2° momento. Il valore predefinito è 0,999.
epsilon	Una piccola costante per la stabilità numerica. Questo epsilon è il "cappello epsilon" nell'articolo Kingma e Ba (nella formula appena prima della Sezione 2.1), non l'epsilon nell'algoritmo 1 dell'articolo. Il valore predefinito è 1e-8.

public Adam (grafico grafico , nome stringa, tasso di apprendimento float)

Crea un ottimizzatore Adam

Parametri

grafico	il grafico TensorFlow
nome	il nome dell'ottimizzatore, per impostazione predefinita è "Adam"
tasso di apprendimento	il tasso di apprendimento

public Adam (grafico grafico , nome stringa, float learningRate, float betaOne, float betaTwo, float epsilon)

Crea un ottimizzatore Adam

Parametri

grafico	il grafico TensorFlow
nome	il nome dell'ottimizzatore, per impostazione predefinita è "Adam"
tasso di apprendimento	il tasso di apprendimento
betaOne	Il tasso di decadimento esponenziale per le stime del primo momento. Il valore predefinito è 0,9.
betaDue	Il tasso di decadimento esponenziale per le stime del 2° momento. Il valore predefinito è 0,999.
epsilon	Una piccola costante per la stabilità numerica. Questo epsilon è il "cappello epsilon" nell'articolo Kingma e Ba (nella formula appena prima della Sezione 2.1), non l'epsilon nell'algoritmo 1 dell'articolo. Il valore predefinito è 1e-8.

Metodi pubblici

public static Op createAdamMinimize ( Scope scope, Operand <T> loss, float learningRate, float betaOne, float betaTwo, float epsilon, Opzioni... opzioni)

Crea l'Operazione che minimizza la perdita

Parametri

scopo	l'ambito TensorFlow
perdita	la perdita da minimizzare
tasso di apprendimento	il tasso di apprendimento
betaOne	Il tasso di decadimento esponenziale per le stime del primo momento.
betaDue	Il tasso di decadimento esponenziale per le stime del 2° momento.
epsilon	Una piccola costante per la stabilità numerica. Questo epsilon è il "cappello epsilon" nell'articolo Kingma e Ba (nella formula appena prima della Sezione 2.1), non l'epsilon nell'algoritmo 1 dell'articolo.
opzioni	Attributi facoltativi dell'ottimizzatore

ritorna

• l’Operazione che minimizza la perdita

Lancia

IllegalArgumentException	se l'ambito non rappresenta un grafico

public String getOptimizerName ()

Ottieni il nome dell'ottimizzatore.

ritorna

• Il nome dell'ottimizzatore.

stringa pubblica toString ()