RMSProp

clase pública RMSProp

Optimizador que implementa el algoritmo RMSProp.

La esencia de RMSprop es:

• Mantener un promedio móvil (descontado) del cuadrado de gradientes
• Divide el gradiente por la raíz de este promedio.

Esta implementación de RMSprop utiliza el impulso simple, no el impulso de Nesterov.

La versión centrada además mantiene un promedio móvil de los gradientes y utiliza ese promedio para estimar la varianza.

Ver también

• Hinton G, et al. 2012, notas de conferencias, esa es inexplicablemente la referencia canónica.

Constantes

booleano	CENTERED_DEFAULT
flotar	DECAY_DEFAULT
flotar	EPSILON_DEFAULT
flotar	APRENDIZAJE_RATE_DEFAULT
Cadena	mg
Cadena	IMPULSO
flotar	MOMENTUM_DEFAULT
Cadena	RMS

Constantes heredadas

De la clase org.tensorflow.framework.optimizers.Optimizer

Cadena

VARIABLE_V2

Constructores Públicos

	RMSProp (gráfico gráfico ) Crea un optimizador RMSPRrop
	RMSProp (gráfico gráfico , tasa de aprendizaje flotante) Crea un optimizador RMSPRrop
	RMSProp ( gráfico , tasa de aprendizaje flotante, caída del flotador, impulso del flotador, épsilon flotante, booleano centrado) Crea un optimizador RMSPRrop
	RMSProp (gráfico gráfico , nombre de cadena, tasa de aprendizaje flotante) Crea un optimizador RMSPRrop
	RMSProp ( gráfico , nombre de cadena, tasa de aprendizaje flotante, caída del flotador, impulso del flotador, épsilon flotante, booleano centrado) Crea un optimizador RMSPRrop

Métodos públicos

Cadena	getOptimizerName () Obtenga el nombre del optimizador.
Cadena	Encadenar ()

Métodos heredados

De la clase org.tensorflow.framework.optimizers.Optimizer

Op.	applyGradients (Lista< GradAndVar <? extiende TType >> gradsAndVars, nombre de cadena) Aplica gradientes a las variables.
<T extiende TType > Lista< GradAndVar <?>>	ComputeGradients (pérdida de operando <?>) Calcula los gradientes basándose en un operando de pérdida.
cadena estática	createName ( Salida <? extiende TType > variable, String slotName) Crea un nombre combinando un nombre de variable y un nombre de ranura
cadena abstracta	getOptimizerName () Obtenga el nombre del optimizador.
<T extiende TType > Opcional< Variable <T>>	getSlot ( Salida <T> var, String slotName) Obtiene la ranura asociada con la variable especificada y el nombre de la ranura.
operaciones finales	obtenerTF () Obtiene la instancia de operaciones del optimizador.
Op.	minimizar ( operando <?> pérdida) Minimiza la pérdida actualizando las variables.
Op.	minimizar ( operando <?> pérdida, nombre de cadena) Minimiza la pérdida actualizando las variables.

De la clase java.lang.Object

booleano	es igual (Objeto arg0)
Clase final<?>	obtenerclase ()
En t	código hash ()
vacío final	notificar ()
vacío final	notificar a todos ()
Cadena	Encadenar ()
vacío final	esperar (arg0 largo, int arg1)
vacío final	espera (arg0 largo)
vacío final	esperar ()

Constantes

booleano final estático público CENTERED_DEFAULT

Valor constante: falso

flotador final estático público DECAY_DEFAULT

Valor constante: 0,9

flotación final estática pública EPSILON_DEFAULT

Valor constante: 1.0E-10

flotación final estática pública LEARNING_RATE_DEFAULT

Valor constante: 0,001

Cadena final estática pública MG

Valor constante: "mg"

MOMENTUM de cadena final estática pública

Valor constante: "impulso"

flotación final estática pública MOMENTUM_DEFAULT

Valor constante: 0,0

Cadena final estática pública RMS

Valor constante: "rms"

Constructores Públicos

RMSProp público (gráfico gráfico )

Crea un optimizador RMSPRrop

Parámetros

grafico	el gráfico de TensorFlow

RMSProp público (gráfico gráfico , tasa de aprendizaje flotante)

Crea un optimizador RMSPRrop

Parámetros

grafico	el gráfico de TensorFlow
tasa de aprendizaje	la tasa de aprendizaje

RMSProp público ( gráfico , tasa de aprendizaje flotante, caída del flotador, impulso del flotador, épsilon flotante, booleano centrado)

Crea un optimizador RMSPRrop

Parámetros

grafico	el gráfico de TensorFlow
tasa de aprendizaje	la tasa de aprendizaje
decadencia	Factor de descuento para el gradiente histórico/próximo. El valor predeterminado es 0,9.
impulso	El factor de aceleración, el valor predeterminado es 0.
épsilon	Una pequeña constante para la estabilidad numérica.
centrado	Si es true , los gradientes se normalizan mediante la varianza estimada del gradiente; si es false , por el segundo momento no centrado. Establecer esto en true puede ayudar con el entrenamiento, pero es un poco más costoso en términos de computación y memoria. El valor predeterminado es false .

RMSProp público (gráfico gráfico , nombre de cadena, tasa de aprendizaje flotante)

Crea un optimizador RMSPRrop

Parámetros

grafico	el gráfico de TensorFlow
nombre	el nombre de este Optimizador. El valor predeterminado es "RMSProp".
tasa de aprendizaje	la tasa de aprendizaje

public RMSProp ( gráfico , nombre de cadena, tasa de aprendizaje flotante, caída del flotador, impulso del flotador, épsilon flotante, centrado booleano)

Crea un optimizador RMSPRrop

Parámetros

grafico	el gráfico de TensorFlow
nombre	el nombre de este Optimizador. El valor predeterminado es "RMSProp".
tasa de aprendizaje	la tasa de aprendizaje
decadencia	Factor de descuento para el gradiente histórico/próximo. El valor predeterminado es 0,9.
impulso	El factor de aceleración predeterminado es 0.
épsilon	Una pequeña constante para la estabilidad numérica.
centrado	Si es true , los gradientes se normalizan mediante la varianza estimada del gradiente; si es false , por el segundo momento no centrado. Establecer esto en true puede ayudar con el entrenamiento, pero es un poco más costoso en términos de computación y memoria. El valor predeterminado es false .

Métodos públicos

cadena pública getOptimizerName ()

Obtenga el nombre del optimizador.

Devoluciones

• El nombre del optimizador.

cadena pública a cadena ()