Ftrl

คลาสสาธารณะ Ftrl

เครื่องมือเพิ่มประสิทธิภาพที่ใช้อัลกอริทึม FTRL

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

ดูสิ่งนี้ด้วย

• McMahan และคณะ 2013 อัลกอริทึม 1

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

จากคลาส org.tensorflow.framework.optimizers.Optimizer

สตริง

ตัวแปร_V2

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

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"

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