Ftrl

classe pubblica Ftrl

Ottimizzatore che implementa l'algoritmo FTRL.

Questa versione supporta sia L2 online (la penalità L2 fornita nel documento seguente) sia L2 di tipo contrazione (che è l'aggiunta di una penalità L2 alla funzione di perdita).

Guarda anche

• McMahan et al., 2013, Algoritmo 1

Costanti

Corda	ACCUMULATORE
galleggiante	INITIAL_ACCUMULATOR_VALUE_DEFAULT
galleggiante	L1STRENGTH_DEFAULT
galleggiante	L2STRENGTH_DEFAULT
galleggiante	L2_SHRINKAGE_REGULARIZATION_STRENGTH_DEFAULT
galleggiante	LEARNING_RATE_DEFAULT
galleggiante	LEARNING_RATE_POWER_DEFAULT
Corda	ACCUMULATORE_LINEARE

Costanti ereditate

Dalla classe org.tensorflow.framework.optimizers.Optimizer

Corda

VARIABILE_V2

Costruttori pubblici

	Ftrl (grafico grafico ) Crea un ottimizzatore Ftrl
	Ftrl (grafico grafico , nome stringa) Crea un ottimizzatore Ftrl
	Ftrl (grafico grafico , tasso di apprendimento float) Crea un ottimizzatore Ftrl
	Ftrl (grafico grafico , nome stringa, tasso di apprendimento float) Crea un ottimizzatore Ftrl
	Ftrl (grafico grafico , float learningRate, float learningRatePower, float partialAccumulatorValue, float l1Strength, float l2Strength, float l2ShrinkageRegularizationStrength) Crea un ottimizzatore Ftrl
	Ftrl (grafico grafico , nome stringa, float learningRate, float learningRatePower, float partial AccumulatorValue, float l1Strength, float l2Strength, float l2ShrinkageRegularizationStrength) Crea un ottimizzatore Ftrl

Metodi pubblici

Corda

getOptimizerName () Ottieni il nome dell'ottimizzatore.

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

ACCUMULATORE di stringa finale statico pubblico

Valore costante: "gradient_accumulator"

float finale statico pubblico INITIAL_ACCUMULATOR_VALUE_DEFAULT

Valore costante: 0,1

float finale statico pubblico L1STRENGTH_DEFAULT

Valore costante: 0,0

float finale statico pubblico L2STRENGTH_DEFAULT

Valore costante: 0,0

float finale statico pubblico L2_SHRINKAGE_REGULARIZATION_STRENGTH_DEFAULT

Valore costante: 0,0

float finale statico pubblico LEARNING_RATE_DEFAULT

Valore costante: 0,001

float finale statico pubblico LEARNING_RATE_POWER_DEFAULT

Valore costante: -0,5

Stringa finale statica pubblica LINEAR_ACCUMULATOR

Valore costante: "linear_accumulator"

Costruttori pubblici

Ftrl pubblico (grafico grafico )

Crea un ottimizzatore Ftrl

Parametri

grafico	il grafico TensorFlow

public Ftrl (grafico grafico , nome stringa)

Crea un ottimizzatore Ftrl

Parametri

grafico	il grafico TensorFlow
nome	il nome di questo ottimizzatore

Ftrl pubblico (grafico grafico , tasso di apprendimento float)

Crea un ottimizzatore Ftrl

Parametri

grafico	il grafico TensorFlow
tasso di apprendimento	il tasso di apprendimento

public Ftrl (grafico grafico , nome stringa, float learningRate)

Crea un ottimizzatore Ftrl

Parametri

grafico	il grafico TensorFlow
nome	il nome di questo ottimizzatore
tasso di apprendimento	il tasso di apprendimento

public Ftrl (grafico grafico , float learningRate, float learningRatePower, float externalAccumulatorValue, float l1Strength, float l2Strength, float l2ShrinkageRegularizationStrength)

Crea un ottimizzatore Ftrl

Parametri

grafico	il grafico TensorFlow
tasso di apprendimento	il tasso di apprendimento
learningRatePower	Controlla il modo in cui la velocità di apprendimento diminuisce durante l'addestramento. Utilizza zero per un tasso di apprendimento fisso.
valoreAccumulatoreiniziale	Il valore iniziale per gli accumulatori. Sono consentiti solo valori zero o positivi.
l1Forza	la forza di Regolarizzazione L1, deve essere maggiore o uguale a zero.
l2Forza	la forza di Regolarizzazione L2, deve essere maggiore o uguale a zero.
l2RestringimentoRegolarizzazioneForza	Ciò differisce da L2 sopra in quanto L2 sopra è una penalità di stabilizzazione, mentre questa contrazione di L2 è una penalità di magnitudo. deve essere maggiore o uguale a zero.

Lancia

IllegalArgumentException	se partialAccumulatorValue, l1RegularizationStrength, l2RegularizationStrength o l2ShrinkageRegularizationStrength sono inferiori a 0,0 o learningRatePower è maggiore di 0,0.

public Ftrl (grafico grafico , nome stringa, float learningRate, float learningRatePower, float externalAccumulatorValue, float l1Strength, float l2Strength, float l2ShrinkageRegularizationStrength)

Crea un ottimizzatore Ftrl

Parametri

grafico	il grafico TensorFlow
nome	il nome di questo ottimizzatore
tasso di apprendimento	il tasso di apprendimento
learningRatePower	Controlla il modo in cui la velocità di apprendimento diminuisce durante l'addestramento. Utilizza zero per un tasso di apprendimento fisso.
valoreAccumulatoreiniziale	Il valore iniziale per gli accumulatori. Sono consentiti solo valori zero o positivi.
l1Forza	la forza di Regolarizzazione L1, deve essere maggiore o uguale a zero.
l2Forza	la forza di Regolarizzazione L2, deve essere maggiore o uguale a zero.
l2RestringimentoRegolarizzazioneForza	Ciò differisce da L2 sopra in quanto L2 sopra è una penalità di stabilizzazione, mentre questa contrazione di L2 è una penalità di magnitudo. deve essere maggiore o uguale a zero.

Lancia

IllegalArgumentException	se partialAccumulatorValue, l1RegularizationStrength, l2RegularizationStrength o l2ShrinkageRegularizationStrength sono inferiori a 0,0 o learningRatePower è maggiore di 0,0.

Metodi pubblici

public String getOptimizerName ()

Ottieni il nome dell'ottimizzatore.

ritorna

• Il nome dell'ottimizzatore.