RMSProp

clase pública RMSProp

Optimizador que implementa el algoritmo RMSProp.

La esencia de RMSprop es:

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

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

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

Ver también

• Hinton G y col. 2012, notas de la conferencia, que es inexplicablemente la referencia canónica.

Constantes

booleano	CENTERED_DEFAULT
flotador	DECAY_DEFAULT
flotador	EPSILON_DEFAULT
flotador	LEARNING_RATE_DEFAULT
Cuerda	MG
Cuerda	IMPULSO
flotador	MOMENTUM_DEFAULT
Cuerda	RMS

Constantes heredadas

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

Cuerda

VARIABLE_V2

Constructores públicos

	RMSProp ( gráfico de gráfico) Crea un RMSPRrop Optimizer
	RMSProp ( gráfico gráfico, tasa de aprendizaje flotante) Crea un RMSPRrop Optimizer
	RMSProp ( gráfico gráfico, tasa de aprendizaje flotante, decaimiento flotante, momento flotante, épsilon flotante, centrado booleano) Crea un RMSPRrop Optimizer
	RMSProp ( gráfico de gráfico, nombre de cadena, tasa de aprendizaje flotante) Crea un RMSPRrop Optimizer
	RMSProp ( gráfico de gráfico, nombre de cadena, tasa de aprendizaje flotante, decaimiento flotante, impulso flotante, épsilon flotante, centrado booleano) Crea un RMSPRrop Optimizer

Métodos públicos

Cuerda	getOptimizerName () Obtenga el nombre del optimizador.
Cuerda	toString ()

Métodos heredados

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

Op	applyGradients (List < GradAndVar <? extiende TType >> gradsAndVars, nombre de cadena) Aplica degradados a las variables.
<T extiende TType > Lista < GradAndVar <? >>	computeGradients ( operando <?> pérdida) Calcula los gradientes basándose en un operando de pérdida.
cadena estática	createName ( variable de salida <? extiende TType >, 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 y el nombre de la ranura especificados.
operaciones finales	getTF () 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 a (Objeto arg0)
Clase final <?>	getClass ()
En t	hashCode ()
vacío final	notificar ()
vacío final	notificar a todos ()
Cuerda	toString ()
vacío final	esperar (largo arg0, int arg1)
vacío final	espera (largo arg0)
vacío final	esperar ()

Constantes

público estático final booleano CENTERED_DEFAULT

Valor constante: falso

flotador final estático público DECAY_DEFAULT

Valor constante: 0.9

flotador final estático público EPSILON_DEFAULT

Valor constante: 1.0E-10

flotador final estático público LEARNING_RATE_DEFAULT

Valor constante: 0,001

Cadena final estática pública MG

Valor constante: "mg"

Cadena final estática pública MOMENTUM

Valor constante: "impulso"

flotador final estático público MOMENTUM_DEFAULT

Valor constante: 0.0

Cadena final estática pública RMS

Valor constante: "rms"

Constructores públicos

public RMSProp ( gráfico gráfico)

Crea un RMSPRrop Optimizer

Parámetros

grafico	el gráfico de TensorFlow

public RMSProp ( gráfico gráfico, tasa de aprendizaje flotante)

Crea un RMSPRrop Optimizer

Parámetros

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

public RMSProp ( gráfico gráfico, tasa de aprendizaje flotante, decaimiento flotante, impulso flotante, épsilon flotante, centrado booleano)

Crea un RMSPRrop Optimizer

Parámetros

grafico	el gráfico de TensorFlow
tasa de aprendizaje	la tasa de aprendizaje
decaer	Factor de descuento para el historial / gradiente 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 por la varianza estimada del gradiente; si es false , por el segundo momento descentrado. Establecer esto en true puede ayudar con el entrenamiento, pero es un poco más caro en términos de cálculo y memoria. El valor predeterminado es false .

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

Crea un RMSPRrop Optimizer

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 de gráfico, nombre de cadena, tasa de aprendizaje flotante, decaimiento flotante, impulso flotante, épsilon flotante, centrado booleano)

Crea un RMSPRrop Optimizer

Parámetros

grafico	el gráfico de TensorFlow
nombre	el nombre de este Optimizador. El valor predeterminado es "RMSProp".
tasa de aprendizaje	la tasa de aprendizaje
decaer	Factor de descuento para el historial / gradiente 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 por la varianza estimada del gradiente; si es false , por el segundo momento descentrado. Establecer esto en true puede ayudar con el entrenamiento, pero es un poco más caro en términos de cálculo y memoria. El valor predeterminado es false .

Métodos públicos

public String getOptimizerName ()

Obtenga el nombre del optimizador.

Devoluciones

• El nombre del optimizador.

cadena pública toString ()