RMSProp

کلاس عمومی RMSProp

بهینه ساز که الگوریتم RMSProp را پیاده سازی می کند.

خلاصه RMSprop این است که:

• میانگین متحرک (تخفیف) مجذور گرادیان ها را حفظ کنید
• گرادیان را بر ریشه این میانگین تقسیم کنید

این پیاده سازی RMSprop از تکانه ساده استفاده می کند، نه تکانه Nesterov.

نسخه مرکزی به علاوه میانگین متحرک گرادیان ها را حفظ می کند و از آن میانگین برای تخمین واریانس استفاده می کند.

همچنین ببینید

• هینتون جی و همکاران 2012، یادداشت های سخنرانی، که به طور غیرقابل توضیحی مرجع متعارف است.

ثابت ها

بولی	CENTERED_DEFAULT
شناور	DECAY_DEFAULT
شناور	EPSILON_DEFAULT
شناور	LEARNING_RATE_DEFAULT
رشته	ام جی
رشته	تکانه
شناور	MOMENTUM_DEFAULT
رشته	RMS

ثابت های ارثی

از کلاس org.tensorflow.framework.optimizers.Optimizer

رشته

VARIABLE_V2

سازندگان عمومی

	RMSProp ( گراف نمودار) یک RMSPRrop Optimizer ایجاد می کند
	RMSProp ( گراف نمودار، نرخ یادگیری شناور) یک RMSPRrop Optimizer ایجاد می کند
	RMSProp ( گراف نمودار، نرخ یادگیری شناور، فروپاشی شناور، حرکت شناور، اپسیلون شناور، مرکز بولی) یک RMSPRrop Optimizer ایجاد می کند
	RMSProp ( گراف نمودار، نام رشته، نرخ یادگیری شناور) یک RMSPRrop Optimizer ایجاد می کند
	RMSProp ( گراف نمودار، نام رشته، نرخ یادگیری شناور، فروپاشی شناور، تکانه شناور، اپسیلون شناور، مرکز بولی) یک RMSPRrop Optimizer ایجاد می کند

روش های عمومی

رشته	getOptimizerName () نام بهینه ساز را دریافت کنید.
رشته	toString ()

روش های ارثی

از کلاس org.tensorflow.framework.optimizers.Optimizer

Op	applyGradients (List< GradAndVar <? گسترش TType >> gradsAndVars، نام رشته) گرادیان ها را برای متغیرها اعمال می کند
<T TType > List < GradAndVar <?>> را گسترش می دهد	computeGradients ( Operand <?> loss) گرادیان ها را بر اساس یک عملوند از دست دادن محاسبه می کند.
رشته ایستا	createName ( خروجی <? گسترش متغیر TType >، String slotName) یک نام با ترکیب نام متغیر و نام اسلات ایجاد می کند
رشته انتزاعی	getOptimizerName () نام بهینه ساز را دریافت کنید.
<T TType > اختیاری< متغیر <T>> را گسترش می دهد	getSlot ( خروجی <T> var، String slotName) اسلات مرتبط با متغیر و نام اسلات مشخص شده را دریافت می کند.
عملیات نهایی	getTF () نمونه Optimizer's Ops را دریافت می کند
Op	حداقل کردن (از دست دادن عملوند <?>) با به روز رسانی متغیرها ضرر را به حداقل می رساند
Op	کوچک کردن (از دست دادن عملوند <?>، نام رشته) با به روز رسانی متغیرها ضرر را به حداقل می رساند

از کلاس java.lang.Object

بولی	برابر است (شیء arg0)
کلاس نهایی<?>	getClass ()
بین المللی	هش کد ()
باطل نهایی	اعلام کردن ()
باطل نهایی	اطلاع رسانی به همه ()
رشته	toString ()
باطل نهایی	صبر کنید (long arg0، int arg1)
باطل نهایی	صبر کنید (طولانی arg0)
باطل نهایی	صبر کن ()

ثابت ها

بولین نهایی استاتیک عمومی CENTERED_DEFAULT

مقدار ثابت: نادرست

شناور نهایی استاتیک عمومی DECAY_DEFAULT

مقدار ثابت: 0.9

شناور نهایی استاتیک عمومی EPSILON_DEFAULT

مقدار ثابت: 1.0E-10

شناور نهایی ثابت عمومی LEARNING_RATE_DEFAULT

مقدار ثابت: 0.001

عمومی استاتیک نهایی رشته MG

مقدار ثابت: "mg"

MOMENTUM رشته نهایی استاتیک عمومی

مقدار ثابت: "تحرک"

شناور نهایی استاتیک عمومی MOMENTUM_DEFAULT

مقدار ثابت: 0.0

RMS رشته نهایی استاتیک عمومی

مقدار ثابت: "rms"

سازندگان عمومی

RMSProp عمومی (گراف نمودار )

یک RMSPRrop Optimizer ایجاد می کند

مولفه های

نمودار	نمودار TensorFlow

RMSProp عمومی (گراف نمودار ، نرخ یادگیری شناور)

یک RMSPRrop Optimizer ایجاد می کند

مولفه های

نمودار	نمودار TensorFlow
نرخ یادگیری	میزان یادگیری

عمومی RMSProp ( گراف نمودار، نرخ یادگیری شناور، فروپاشی شناور، حرکت شناور، اپسیلون شناور، مرکز بولی)

یک RMSPRrop Optimizer ایجاد می کند

مولفه های

نمودار	نمودار TensorFlow
نرخ یادگیری	میزان یادگیری
پوسیدگی	عامل تخفیف برای شیب تاریخ/آینده. پیش‌فرض 0.9 است.
تکانه	ضریب شتاب، پیش فرض 0 است.
اپسیلون	یک ثابت کوچک برای ثبات عددی
متمرکز شده است	اگر true ، گرادیان ها با واریانس تخمینی گرادیان نرمال می شوند. اگر false ، در لحظه دوم بدون مرکز. تنظیم این روی true ممکن است به آموزش کمک کند، اما از نظر محاسبات و حافظه کمی گران تر است. پیش فرض ها به false .

عمومی RMSProp ( گراف نمودار، نام رشته، نرخ یادگیری شناور)

یک RMSPRrop Optimizer ایجاد می کند

مولفه های

نمودار	نمودار TensorFlow
نام	نام این بهینه ساز پیش‌فرض «RMSProp» است.
نرخ یادگیری	میزان یادگیری

عمومی RMSProp ( گراف نمودار، نام رشته، نرخ یادگیری شناور، فروپاشی شناور، حرکت شناور، اپسیلون شناور، مرکز بولی)

یک RMSPRrop Optimizer ایجاد می کند

مولفه های

نمودار	نمودار TensorFlow
نام	نام این بهینه ساز پیش‌فرض «RMSProp» است.
نرخ یادگیری	میزان یادگیری
پوسیدگی	عامل تخفیف برای شیب تاریخ/آینده. پیش‌فرض 0.9 است.
تکانه	ضریب شتاب، پیش فرض 0 است.
اپسیلون	یک ثابت کوچک برای ثبات عددی
متمرکز شده است	اگر true ، گرادیان ها با واریانس تخمینی گرادیان نرمال می شوند. اگر false ، در لحظه دوم بدون مرکز. تنظیم این روی true ممکن است به آموزش کمک کند، اما از نظر محاسبات و حافظه کمی گران تر است. پیش فرض ها به false .

روش های عمومی

رشته عمومی getOptimizerName ()

نام بهینه ساز را دریافت کنید.

برمی گرداند

• نام بهینه ساز

رشته عمومی toString ()