Nadam

classe pública Nadam

Nadam Optimizer que implementa o algoritmo NAdam.

Assim como Adam é essencialmente RMSprop com momentum, Nadam é Adam com momentum de Nesterov.

Veja também

• Dozat, 2015

Constantes

flutuador	BETA_ONE_DEFAULT
flutuador	BETA_TWO_DEFAULT
flutuador	EPSILON_DEFAULT
Fragmento	FIRST_MOMENT
flutuador	LEARNING_RATE_DEFAULT
Fragmento	MOMENTUM
Fragmento	SECOND_MOMENT

Constantes herdadas

Da classe org.tensorflow.framework.optimizers.Optimizer

Fragmento

VARIABLE_V2

Construtores Públicos

	Nadam ( gráfico gráfico) Cria um Otimizador Nadam
	Nadam ( gráfico gráfico, float learningRate) Cria um Otimizador Nadam
	Nadam ( gráfico gráfico, float learningRate, float betaOne, float betaTwo, float epsilon) Cria um Otimizador Nadam
	Nadam ( gráfico gráfico, nome da string, float learningRate) Cria um Otimizador Nadam
	Nadam ( gráfico gráfico, nome da string, float learningRate, float betaOne, float betaTwo, float epsilon) Cria um Otimizador Nadam

Métodos Públicos

Fragmento

getOptimizerName () Obtenha o nome do otimizador.

Métodos herdados

Da classe org.tensorflow.framework.optimizers.Optimizer

Op	applyGradients (List < GradAndVar <? extends TType >> gradsAndVars, String name) Aplica gradientes a variáveis
<T extends TType > List < GradAndVar <? >>	computeGradients (perda de operando <?>) Calcula os gradientes com base em um operando de perda.
String estática	createName ( Output <? extends TType > variável, String slotName) Cria um nome combinando um nome de variável e um nome de slot
String abstrata	getOptimizerName () Obtenha o nome do otimizador.
<T extends TType > Opcional < Variable <T>>	getSlot ( Output <T> var, String slotName) Obtém o slot associado à variável especificada e ao nome do slot.
operações finais	getTF () Obtém a instância Ops do Optimizer
Op	minimizar (perda de operando <?>) Minimiza a perda atualizando as variáveis
Op	minimizar (perda de operando <?>, nome da string) Minimiza a perda atualizando as variáveis

Da classe java.lang.Object

boleano	igual a (objeto arg0)
aula final <?>	getClass ()
int	hashCode ()
vazio final	notificar ()
vazio final	notificar tudo ()
Fragmento	toString ()
vazio final	espera (long arg0, int arg1)
vazio final	espera (long arg0)
vazio final	espera ()

Constantes

flutuante público estático final BETA_ONE_DEFAULT

Valor constante: 0,9

flutuante público estático final BETA_TWO_DEFAULT

Valor constante: 0,999

flutuante público estático final EPSILON_DEFAULT

Valor constante: 1.0E-8

public static final String FIRST_MOMENT

Valor constante: "m"

flutuante público estático final LEARNING_RATE_DEFAULT

Valor constante: 0,001

public static final String MOMENTUM

Valor constante: "momentum"

public static final String SECOND_MOMENT

Valor constante: "v"

Construtores Públicos

Nadam público ( gráfico gráfico)

Cria um Otimizador Nadam

Parâmetros

gráfico	o gráfico TensorFlow

public Nadam ( gráfico gráfico, float learningRate)

Cria um Otimizador Nadam

Parâmetros

gráfico	o gráfico TensorFlow
taxa de Aprendizagem	a taxa de aprendizagem, o padrão é 0,001

public Nadam ( gráfico gráfico, float learningRate, float betaOne, float betaTwo, float epsilon)

Cria um Otimizador Nadam

Parâmetros

gráfico	o gráfico TensorFlow
taxa de Aprendizagem	a taxa de aprendizagem, o padrão é 0,001
betaOne	A taxa de decaimento exponencial para as estimativas do primeiro momento. O padrão é 0,9.
betaTwo	A taxa de decaimento exponencial para a norma do infinito exponencialmente ponderada. O padrão é 0,999.
épsilon	Uma pequena constante para estabilidade numérica. O padrão é 1e-8.

public Nadam ( gráfico gráfico, nome da string, float learningRate)

Cria um Otimizador Nadam

Parâmetros

gráfico	o gráfico TensorFlow
nome	o nome para este Otimizador, o padrão é "Nadam"
taxa de Aprendizagem	a taxa de aprendizagem, o padrão é 0,001

public Nadam ( gráfico gráfico, nome da string, float learningRate, float betaOne, float betaTwo, float epsilon)

Cria um Otimizador Nadam

Parâmetros

gráfico	o gráfico TensorFlow
nome	o nome para este Otimizador, o padrão é "Nadam"
taxa de Aprendizagem	a taxa de aprendizagem, o padrão é 0,001
betaOne	A taxa de decaimento exponencial para as estimativas do primeiro momento. O padrão é 0,9.
betaTwo	A taxa de decaimento exponencial para a norma do infinito exponencialmente ponderada. O padrão é 0,999.
épsilon	Uma pequena constante para estabilidade numérica. O padrão é 1e-8.

Métodos Públicos

public String getOptimizerName ()

Obtenha o nome do otimizador.

Devoluções

• O nome do otimizador.