Ftrl

คลาสสาธารณะ Ftrl

เครื่องมือเพิ่มประสิทธิภาพที่ใช้อัลกอริทึม FTRL

เวอร์ชันนี้รองรับทั้ง L2 แบบออนไลน์ (ค่าปรับ L2 ที่ให้ไว้ในเอกสารด้านล่าง) และประเภทการหดตัว L2 (ซึ่งเป็นการเพิ่มค่าปรับ L2 ให้กับฟังก์ชันการสูญเสีย)

ค่าคงที่

สตริง ตัวสะสม
ลอย INITIAL_ACCUMULATOR_VALUE_DEFAULT
ลอย L1STRENGTH_DEFAULT
ลอย L2STRENGTH_DEFAULT
ลอย L2_SHRINKAGE_REGULARIZATION_STRENGTH_DEFAULT
ลอย LEARNING_RATE_DEFAULT
ลอย LEARNING_RATE_POWER_DEFAULT
สตริง LINEAR_ACCUMULATOR

ค่าคงที่ที่สืบทอดมา

คอนสตรัคชั่นสาธารณะ

Ftrl ( กราฟ กราฟ)
สร้างเครื่องมือเพิ่มประสิทธิภาพ Ftrl
Ftrl ( กราฟ กราฟ ชื่อสตริง)
สร้างเครื่องมือเพิ่มประสิทธิภาพ Ftrl
Ftrl (กราฟ กราฟ , อัตราการเรียนรู้แบบลอยตัว)
สร้างเครื่องมือเพิ่มประสิทธิภาพ Ftrl
Ftrl ( กราฟ กราฟ ชื่อสตริง อัตราการเรียนรู้แบบลอยตัว)
สร้างเครื่องมือเพิ่มประสิทธิภาพ Ftrl
Ftrl ( กราฟกราฟ , อัตราการเรียนรู้แบบลอยตัว, การเรียนรู้แบบลอยตัวRatePower, ค่าเริ่มต้นแบบลอยตัว, ค่าลอยตัว l1Strength, ลอย l2Strength, ลอย l2ShrinkageRegularizationStrength)
สร้างเครื่องมือเพิ่มประสิทธิภาพ Ftrl
Ftrl ( กราฟ กราฟ, ชื่อสตริง, อัตราการเรียนรู้แบบลอยตัว, การเรียนรู้แบบลอยตัว, อัตราพลังงาน, ค่าเริ่มต้นแบบลอยตัว, ค่าลอยตัว l1Strength, ลอย l2Strength, ลอย l2ShrinkageRegularizationStrength)
สร้างเครื่องมือเพิ่มประสิทธิภาพ Ftrl

วิธีการสาธารณะ

สตริง
getOptimizerName ()
รับชื่อของเครื่องมือเพิ่มประสิทธิภาพ

วิธีการสืบทอด

ค่าคงที่

ACCUMULATOR สตริงสุดท้ายแบบคงที่สาธารณะ

ค่าคงที่: "gradient_accumulator"

โฟลตสุดท้ายแบบคงที่สาธารณะ INITIAL_ACCUMULATOR_VALUE_DEFAULT

ค่าคงที่: 0.1

โฟลตสุดท้ายแบบคงที่สาธารณะ L1STRENGTH_DEFAULT

ค่าคงที่: 0.0

โฟลตสุดท้ายแบบคงที่สาธารณะ L2STRENGTH_DEFAULT

ค่าคงที่: 0.0

โฟลตสุดท้ายแบบคงที่สาธารณะ L2_SHRINKAGE_REGULARIZATION_STRENGTH_DEFAULT

ค่าคงที่: 0.0

โฟลตสุดท้ายแบบคงที่สาธารณะ LEARNING_RATE_DEFAULT

ค่าคงที่: 0.001

สาธารณะคงสุดท้ายลอย LEARNING_RATE_POWER_DEFAULT

ค่าคงที่: -0.5

สตริงสุดท้ายคงที่สาธารณะ LINEAR_ACCUMULATOR

ค่าคงที่: "linear_accumulator"

คอนสตรัคชั่นสาธารณะ

Ftrl สาธารณะ ( กราฟ กราฟ)

สร้างเครื่องมือเพิ่มประสิทธิภาพ Ftrl

พารามิเตอร์
กราฟ กราฟ TensorFlow

Ftrl สาธารณะ ( กราฟ กราฟ ชื่อสตริง)

สร้างเครื่องมือเพิ่มประสิทธิภาพ Ftrl

พารามิเตอร์
กราฟ กราฟ TensorFlow
ชื่อ ชื่อของเครื่องมือเพิ่มประสิทธิภาพนี้

Ftrl สาธารณะ ( กราฟ กราฟ, อัตราการเรียนรู้แบบลอยตัว)

สร้างเครื่องมือเพิ่มประสิทธิภาพ Ftrl

พารามิเตอร์
กราฟ กราฟ TensorFlow
อัตราการเรียนรู้ อัตราการเรียนรู้

Ftrl สาธารณะ ( กราฟ กราฟ ชื่อสตริง อัตราการเรียนรู้แบบลอยตัว)

สร้างเครื่องมือเพิ่มประสิทธิภาพ Ftrl

พารามิเตอร์
กราฟ กราฟ TensorFlow
ชื่อ ชื่อของเครื่องมือเพิ่มประสิทธิภาพนี้
อัตราการเรียนรู้ อัตราการเรียนรู้

Ftrl สาธารณะ ( กราฟ กราฟ, อัตราการเรียนรู้แบบลอยตัว, การเรียนรู้แบบลอยตัว, อัตราพลังงาน, ค่าเริ่มต้นแบบลอยตัว, ค่าลอยตัว l1Strength, ลอย l2Strength, ลอย l2ShrinkageRegularizationStrength)

สร้างเครื่องมือเพิ่มประสิทธิภาพ Ftrl

พารามิเตอร์
กราฟ กราฟ TensorFlow
อัตราการเรียนรู้ อัตราการเรียนรู้
อัตราการเรียนรู้พลัง ควบคุมว่าอัตราการเรียนรู้ลดลงระหว่างการฝึกอย่างไร ใช้ศูนย์สำหรับอัตราการเรียนรู้คงที่
ค่าตัวสะสมเริ่มต้น ค่าเริ่มต้นสำหรับตัวสะสม อนุญาตให้ใช้เฉพาะค่าศูนย์หรือค่าบวกเท่านั้น
l1ความแข็งแกร่ง ความแรงของการทำให้เป็นมาตรฐาน L1 ต้องมากกว่าหรือเท่ากับศูนย์
l2ความแข็งแกร่ง ความแรงของการทำให้เป็นมาตรฐาน L2 ต้องมากกว่าหรือเท่ากับศูนย์
l2การหดตัวการทำให้เป็นมาตรฐานความแข็งแรง สิ่งนี้แตกต่างจาก L2 ด้านบนตรงที่ L2 ด้านบนเป็นค่าปรับความเสถียร ในขณะที่การหดตัวของ L2 นี้เป็นค่าปรับตามขนาด ต้องมากกว่าหรือเท่ากับศูนย์
ขว้าง
ข้อยกเว้นอาร์กิวเมนต์ที่ผิดกฎหมาย ถ้า defaultAccumulatorValue, l1RegularizationStrength, l2RegularizationStrength หรือ l2ShrinkageRegularizationStrength น้อยกว่า 0.0 หรือ LearningRatePower มากกว่า 0.0

Ftrl สาธารณะ (กราฟ กราฟ ชื่อสตริง อัตราการเรียนรู้แบบลอยตัว

สร้างเครื่องมือเพิ่มประสิทธิภาพ Ftrl

พารามิเตอร์
กราฟ กราฟ TensorFlow
ชื่อ ชื่อของเครื่องมือเพิ่มประสิทธิภาพนี้
อัตราการเรียนรู้ อัตราการเรียนรู้
อัตราการเรียนรู้พลัง ควบคุมว่าอัตราการเรียนรู้ลดลงระหว่างการฝึกอย่างไร ใช้ศูนย์สำหรับอัตราการเรียนรู้คงที่
ค่าตัวสะสมเริ่มต้น ค่าเริ่มต้นสำหรับตัวสะสม อนุญาตให้ใช้เฉพาะค่าศูนย์หรือค่าบวกเท่านั้น
l1ความแข็งแกร่ง ความแรงของการทำให้เป็นมาตรฐาน L1 ต้องมากกว่าหรือเท่ากับศูนย์
l2ความแข็งแกร่ง ความแรงของการทำให้เป็นมาตรฐาน L2 ต้องมากกว่าหรือเท่ากับศูนย์
l2การหดตัวการทำให้เป็นมาตรฐานความแข็งแรง สิ่งนี้แตกต่างจาก L2 ด้านบนตรงที่ L2 ด้านบนเป็นค่าปรับความเสถียร ในขณะที่การหดตัวของ L2 นี้เป็นค่าปรับตามขนาด ต้องมากกว่าหรือเท่ากับศูนย์
ขว้าง
ข้อยกเว้นอาร์กิวเมนต์ที่ผิดกฎหมาย ถ้า defaultAccumulatorValue, l1RegularizationStrength, l2RegularizationStrength หรือ l2ShrinkageRegularizationStrength น้อยกว่า 0.0 หรือ LearningRatePower มากกว่า 0.0

วิธีการสาธารณะ

สตริงสาธารณะ getOptimizerName ()

รับชื่อของเครื่องมือเพิ่มประสิทธิภาพ

การส่งคืน
  • ชื่อเครื่องมือเพิ่มประสิทธิภาพ