RMSProp

RMSProp kelas publik

Pengoptimal yang mengimplementasikan algoritma RMSProp.

Inti dari RMSprop adalah:

• Pertahankan rata-rata pergerakan kuadrat gradien
• Bagilah gradien dengan akar rata-rata ini

Implementasi RMSprop ini menggunakan momentum biasa, bukan momentum Nesterov.

Versi terpusat juga mempertahankan rata-rata pergerakan gradien, dan menggunakan rata-rata tersebut untuk memperkirakan variansnya.

Lihat juga

• Hinton G, dkk. 2012, catatan kuliah, itulah referensi kanonik yang entah kenapa.

Konstanta

boolean	PUSAT_DEFAULT
mengambang	DECAY_DEFAULT
mengambang	EPSILON_DEFAULT
mengambang	BELAJAR_RATE_DEFAULT
Rangkaian	mg
Rangkaian	MOMENTUM
mengambang	MOMENTUM_DEFAULT
Rangkaian	RMS

Konstanta yang Diwarisi

Dari kelas org.tensorflow.framework.optimizers.Optimizer

Rangkaian

VARIABEL_V2

Konstruktor Publik

	RMSProp ( Grafik grafik) Membuat Pengoptimal RMSPRrop
	RMSProp (Grafik grafik , kecepatan pembelajaran mengambang) Membuat Pengoptimal RMSPRrop
	RMSProp (Grafik grafik , kecepatan pembelajaran float, peluruhan float, momentum float, epsilon float, berpusat boolean) Membuat Pengoptimal RMSPRrop
	RMSProp (Grafik grafik , Nama string, Tingkat pembelajaran mengambang) Membuat Pengoptimal RMSPRrop
	RMSProp ( Grafik grafik , Nama string, Kecepatan pembelajaran float, peluruhan float, momentum float, epsilon float, berpusat boolean) Membuat Pengoptimal RMSPRrop

Metode Publik

Rangkaian	dapatkan Nama Pengoptimal () Dapatkan Nama pengoptimal.
Rangkaian	keString ()

Metode Warisan

Dari kelas org.tensorflow.framework.optimizers.Optimizer

Op	applyGradients (Daftar< GradAndVar <? extends TType >> gradsAndVars, Nama string) Menerapkan gradien ke variabel
<T memperluas TType > Daftar< GradAndVar <?>>	computerGradients ( Operan <?> hilang) Menghitung gradien berdasarkan operan kerugian.
String statis	createName ( Output <? extends TType > variabel, String slotName) Membuat nama dengan menggabungkan nama variabel dan nama slot
Tali abstrak	dapatkan Nama Pengoptimal () Dapatkan Nama pengoptimal.
<T memperluas TType > Opsional< Variabel <T>>	getSlot ( Keluaran <T> var, String slotName) Mendapatkan slot yang terkait dengan variabel dan nama slot yang ditentukan.
Operasi terakhir	dapatkanTF () Mendapatkan instans Operasi Pengoptimal
Op	meminimalkan ( Operan <?> kerugian) Meminimalkan kerugian dengan memperbarui variabel
Op	minimalkan ( Operan <?> kerugian, Nama string) Meminimalkan kerugian dengan memperbarui variabel

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkan Kelas ()
ke dalam	Kode hash ()
kekosongan terakhir	memberitahu ()
kekosongan terakhir	beri tahuSemua ()
Rangkaian	keString ()
kekosongan terakhir	tunggu (arg0 panjang, int arg1)
kekosongan terakhir	tunggu (argumen panjang0)
kekosongan terakhir	Tunggu ()

Konstanta

boolean akhir statis publik CENTERED_DEFAULT

Nilai Konstan: salah

float akhir statis publik DECAY_DEFAULT

Nilai Konstan: 0,9

float akhir statis publik EPSILON_DEFAULT

Nilai Konstan: 1.0E-10

float akhir statis publik LEARNING_RATE_DEFAULT

Nilai Konstan: 0,001

String MG akhir statis publik

Nilai Konstan: "mg"

MOMENTUM String akhir statis publik

Nilai Konstan: "momentum"

float akhir statis publik MOMENTUM_DEFAULT

Nilai Konstan: 0,0

String RMS akhir statis publik

Nilai Konstan: "rms"

Konstruktor Publik

RMSProp publik ( Grafik grafik)

Membuat Pengoptimal RMSPRrop

Parameter

grafik	Grafik TensorFlow

RMSProp publik (Grafik grafik , tingkat pembelajaran mengambang)

Membuat Pengoptimal RMSPRrop

Parameter

grafik	Grafik TensorFlow
Tingkat pembelajaran	kecepatan pembelajaran

RMSProp publik (Grafik grafik , kecepatan pembelajaran float, peluruhan float, momentum float, epsilon float, berpusat boolean)

Membuat Pengoptimal RMSPRrop

Parameter

grafik	Grafik TensorFlow
Tingkat pembelajaran	kecepatan pembelajaran
membusuk	Faktor diskon untuk sejarah/gradien yang akan datang. Defaultnya adalah 0,9.
momentum	faktor akselerasi, defaultnya adalah 0.
epsilon	Konstanta kecil untuk stabilitas numerik
terpusat	Jika true , gradien dinormalisasi dengan perkiraan varians gradien; jika false , pada momen kedua yang tidak terpusat. Menyetelnya ke true mungkin membantu pelatihan, namun sedikit lebih mahal dalam hal komputasi dan memori. Defaultnya adalah false .

RMSProp publik (Grafik grafik , Nama string, Tingkat pembelajaran mengambang)

Membuat Pengoptimal RMSPRrop

Parameter

grafik	Grafik TensorFlow
nama	nama Pengoptimal ini. Defaultnya adalah "RMSProp".
Tingkat pembelajaran	kecepatan pembelajaran

RMSProp publik ( Grafik grafik, Nama string, Kecepatan pembelajaran float, peluruhan float, momentum float, epsilon float, berpusat boolean)

Membuat Pengoptimal RMSPRrop

Parameter

grafik	Grafik TensorFlow
nama	nama Pengoptimal ini. Defaultnya adalah "RMSProp".
Tingkat pembelajaran	kecepatan pembelajaran
membusuk	Faktor diskon untuk sejarah/gradien yang akan datang. Defaultnya adalah 0,9.
momentum	Faktor akselerasi, defaultnya adalah 0.
epsilon	Konstanta kecil untuk stabilitas numerik
terpusat	Jika true , gradien dinormalisasi dengan perkiraan varians gradien; jika false , pada momen kedua yang tidak terpusat. Menyetelnya ke true mungkin membantu pelatihan, namun sedikit lebih mahal dalam hal komputasi dan memori. Defaultnya adalah false .

Metode Publik

String publik getOptimizerName ()

Dapatkan Nama pengoptimal.

Kembali

• Nama pengoptimal.

String publik keString ()