RMSProp

classe pubblica RMSProp

Ottimizzatore che implementa l'algoritmo RMSProp.

L'essenza di RMSprop è:

• Mantenere una media mobile (scontata) del quadrato dei gradienti
• Dividi il gradiente per la radice di questa media

Questa implementazione di RMSprop utilizza lo slancio semplice, non lo slancio di Nesterov.

La versione centrata mantiene inoltre una media mobile dei gradienti e utilizza tale media per stimare la varianza.

Guarda anche

• Hinton G, et al. 2012, dispense, che è inspiegabilmente il riferimento canonico.

Costanti

booleano	CENTRATO_DEFAULT
galleggiante	DECADIMENTO_DEFAULT
galleggiante	EPSILON_DEFAULT
galleggiante	LEARNING_RATE_DEFAULT
Corda	MG
Corda	QUANTITÀ DI MOTO
galleggiante	MOMENTUM_DEFAULT
Corda	RMS

Costanti ereditate

Dalla classe org.tensorflow.framework.optimizers.Optimizer

Corda

VARIABILE_V2

Costruttori pubblici

	RMSProp (grafico grafico ) Crea un ottimizzatore RMSPRrop
	RMSProp (grafico grafico , tasso di apprendimento float) Crea un ottimizzatore RMSPRrop
	RMSProp (grafico grafico , tasso di apprendimento float, decadimento float, momento float, epsilon float, booleano centrato) Crea un ottimizzatore RMSPRrop
	RMSProp (grafico grafico , nome stringa, tasso di apprendimento float) Crea un ottimizzatore RMSPRrop
	RMSProp (grafico grafico , nome stringa, tasso di apprendimento float, decadimento float, momento float, epsilon float, booleano centrato) Crea un ottimizzatore RMSPRrop

Metodi pubblici

Corda	getOptimizerName () Ottieni il nome dell'ottimizzatore.
Corda	accordare ()

Metodi ereditati

Dalla classe org.tensorflow.framework.optimizers.Optimizer

Operazione	applyGradients (List< GradAndVar <? extends TType >> gradsAndVars, nome stringa) Applica gradienti alle variabili
<T estende TType > List< GradAndVar <?>>	computeGradients ( operando <?> perdita) Calcola i gradienti in base a un operando di perdita.
stringa statica	createName ( Output <? estende TType > variabile, String slotName) Crea un nome combinando un nome di variabile e un nome di slot
stringa astratta	getOptimizerName () Ottieni il nome dell'ottimizzatore.
<T estende TType > Opzionale< Variabile <T>>	getSlot ( Output <T> var, String slotName) Ottiene lo slot associato alla variabile e al nome dello slot specificati.
operazioni finali	ottieni TF () Ottiene l'istanza Ops dell'ottimizzatore
Operazione	minimizzare ( operando <?> perdita) Minimizza la perdita aggiornando le variabili
Operazione	minimizzare ( operando <?> perdita, nome stringa) Minimizza la perdita aggiornando le variabili

Dalla classe java.lang.Object

booleano	è uguale a (Oggetto arg0)
Classe finale<?>	getClass ()
int	codice hash ()
vuoto finale	notificare ()
vuoto finale	notificaTutti ()
Corda	accordare ()
vuoto finale	attendere (lungo arg0, int arg1)
vuoto finale	aspetta (lungo arg0)
vuoto finale	Aspettare ()

Costanti

booleano finale statico pubblico CENTERED_DEFAULT

Valore costante: falso

float finale statico pubblico DECAY_DEFAULT

Valore costante: 0,9

float finale statico pubblico EPSILON_DEFAULT

Valore costante: 1.0E-10

float finale statico pubblico LEARNING_RATE_DEFAULT

Valore costante: 0,001

stringa finale statica pubblica MG

Valore costante: "mg"

stringa finale statica pubblica MOMENTUM

Valore costante: "slancio"

float finale statico pubblico MOMENTUM_DEFAULT

Valore costante: 0,0

Stringa finale statica pubblica RMS

Valore costante: "rms"

Costruttori pubblici

RMSProp pubblico (grafico grafico )

Crea un ottimizzatore RMSPRrop

Parametri

grafico	il grafico TensorFlow

RMSProp pubblico (grafico grafico , tasso di apprendimento float)

Crea un ottimizzatore RMSPRrop

Parametri

grafico	il grafico TensorFlow
tasso di apprendimento	il tasso di apprendimento

RMSProp pubblico (grafico grafico , tasso di apprendimento float, decadimento float, momento float, epsilon float, booleano centrato)

Crea un ottimizzatore RMSPRrop

Parametri

grafico	il grafico TensorFlow
tasso di apprendimento	il tasso di apprendimento
decadimento	Fattore di sconto per il gradiente storico/prossimo. Il valore predefinito è 0,9.
quantità di moto	il fattore di accelerazione, il valore predefinito è 0.
epsilon	Una piccola costante per la stabilità numerica
centrato	Se true , i gradienti vengono normalizzati dalla varianza stimata del gradiente; se false , dal secondo momento non centrato. Impostarlo su true può aiutare con l'addestramento, ma è leggermente più costoso in termini di calcolo e memoria. Il valore predefinito è false .

public RMSProp (grafico grafico , nome stringa, float learningRate)

Crea un ottimizzatore RMSPRrop

Parametri

grafico	il grafico TensorFlow
nome	il nome di questo ottimizzatore. Il valore predefinito è "RMSProp".
tasso di apprendimento	il tasso di apprendimento

public RMSProp (grafico grafico , nome stringa, tasso di apprendimento float, decadimento float, momento float, epsilon float, booleano centrato)

Crea un ottimizzatore RMSPRrop

Parametri

grafico	il grafico TensorFlow
nome	il nome di questo ottimizzatore. Il valore predefinito è "RMSProp".
tasso di apprendimento	il tasso di apprendimento
decadimento	Fattore di sconto per il gradiente storico/prossimo. Il valore predefinito è 0,9.
quantità di moto	Il fattore di accelerazione, il valore predefinito è 0.
epsilon	Una piccola costante per la stabilità numerica
centrato	Se true , i gradienti vengono normalizzati dalla varianza stimata del gradiente; se false , dal secondo momento non centrato. Impostarlo su true può aiutare con l'addestramento, ma è leggermente più costoso in termini di calcolo e memoria. Il valore predefinito è false .

Metodi pubblici

public String getOptimizerName ()

Ottieni il nome dell'ottimizzatore.

ritorna

• Il nome dell'ottimizzatore.

stringa pubblica toString ()