RMSProp

classe pública RMSProp

Otimizador que implementa o algoritmo RMSProp.

A essência do RMSprop é:

• Manter uma média móvel (com desconto) do quadrado dos gradientes
• Divida o gradiente pela raiz desta média

Esta implementação do RMSprop usa o momentum puro, não o momentum de Nesterov.

A versão centrada adicionalmente mantém uma média móvel dos gradientes e usa essa média para estimar a variância.

Veja também

• Hinton G., et al. 2012, notas de aula, essa é inexplicavelmente a referência canônica.

Constantes

boleano	CENTERED_DEFAULT
flutuador	DECAY_DEFAULT
flutuador	EPSILON_DEFAULT
flutuador	LEARNING_RATE_DEFAULT
Fragmento	MG
Fragmento	MOMENTUM
flutuador	MOMENTUM_DEFAULT
Fragmento	RMS

Constantes herdadas

Da classe org.tensorflow.framework.optimizers.Optimizer

Fragmento

VARIABLE_V2

Construtores Públicos

	RMSProp ( gráfico gráfico) Cria um Otimizador RMSPRrop
	RMSProp ( gráfico gráfico, float learningRate) Cria um Otimizador RMSPRrop
	RMSProp ( gráfico gráfico, float learningRate, decaimento do float, momentum do float, épsilon do float, centrado no booleano) Cria um Otimizador RMSPRrop
	RMSProp ( gráfico gráfico, nome da string, float learningRate) Cria um Otimizador RMSPRrop
	RMSProp ( gráfico gráfico, nome da string, float learningRate, decaimento do float, momento do float, épsilon float, centrado no booleano) Cria um Otimizador RMSPRrop

Métodos Públicos

Fragmento	getOptimizerName () Obtenha o nome do otimizador.
Fragmento	toString ()

Métodos herdados

Da classe org.tensorflow.framework.optimizers.Optimizer

Op	applyGradients (List < GradAndVar <? extends TType >> gradsAndVars, String name) Aplica gradientes a variáveis
<T extends TType > List < GradAndVar <? >>	computeGradients (perda de operando <?>) Calcula os gradientes com base em um operando de perda.
String estática	createName ( Output <? extends TType > variável, String slotName) Cria um nome combinando um nome de variável e um nome de slot
String abstrata	getOptimizerName () Obtenha o nome do otimizador.
<T extends TType > Opcional < Variable <T>>	getSlot ( Output <T> var, String slotName) Obtém o slot associado à variável especificada e ao nome do slot.
operações finais	getTF () Obtém a instância Ops do Optimizer
Op	minimizar (perda de operando <?>) Minimiza a perda atualizando as variáveis
Op	minimizar (perda de operando <?>, nome da string) Minimiza a perda atualizando as variáveis

Da classe java.lang.Object

boleano	igual a (objeto arg0)
aula final <?>	getClass ()
int	hashCode ()
vazio final	notificar ()
vazio final	notificar tudo ()
Fragmento	toString ()
vazio final	espera (long arg0, int arg1)
vazio final	espera (long arg0)
vazio final	espera ()

Constantes

public static final boolean CENTERED_DEFAULT

Valor constante: falso

flutuante público estático final DECAY_DEFAULT

Valor constante: 0,9

flutuante público estático final EPSILON_DEFAULT

Valor constante: 1.0E-10

flutuante público estático final LEARNING_RATE_DEFAULT

Valor constante: 0,001

public static final String MG

Valor constante: "mg"

public static final String MOMENTUM

Valor constante: "momentum"

flutuante público estático final MOMENTUM_DEFAULT

Valor constante: 0,0

public static final String RMS

Valor constante: "rms"

Construtores Públicos

public RMSProp ( gráfico gráfico)

Cria um Otimizador RMSPRrop

Parâmetros

gráfico	o gráfico TensorFlow

public RMSProp ( gráfico gráfico, float learningRate)

Cria um Otimizador RMSPRrop

Parâmetros

gráfico	o gráfico TensorFlow
taxa de Aprendizagem	a taxa de aprendizagem

public RMSProp ( gráfico gráfico, float learningRate, decaimento do float, momento do float, épsilon float, centrado no booleano)

Cria um Otimizador RMSPRrop

Parâmetros

gráfico	o gráfico TensorFlow
taxa de Aprendizagem	a taxa de aprendizagem
decair	Fator de desconto para o gradiente histórico / próximo. O padrão é 0,9.
impulso	o fator de aceleração, o padrão é 0.
épsilon	Uma pequena constante para estabilidade numérica
centrado	Se true , os gradientes são normalizados pela variância estimada do gradiente; se false , pelo segundo momento descentrado. Definir como true pode ajudar no treinamento, mas é um pouco mais caro em termos de computação e memória. O padrão é false .

public RMSProp ( gráfico gráfico, nome da string, float learningRate)

Cria um Otimizador RMSPRrop

Parâmetros

gráfico	o gráfico TensorFlow
nome	o nome deste Otimizador. O padrão é "RMSProp".
taxa de Aprendizagem	a taxa de aprendizagem

public RMSProp ( Graph graph, String name, float learningRate, float decay, float momentum, float epsilon, booleano centrado)

Cria um Otimizador RMSPRrop

Parâmetros

gráfico	o gráfico TensorFlow
nome	o nome deste Otimizador. O padrão é "RMSProp".
taxa de Aprendizagem	a taxa de aprendizagem
decair	Fator de desconto para o gradiente histórico / próximo. O padrão é 0,9.
impulso	O fator de aceleração, o padrão é 0.
épsilon	Uma pequena constante para estabilidade numérica
centrado	Se true , os gradientes são normalizados pela variância estimada do gradiente; se false , pelo segundo momento descentrado. Definir como true pode ajudar no treinamento, mas é um pouco mais caro em termos de computação e memória. O padrão é false .

Métodos Públicos

public String getOptimizerName ()

Obtenha o nome do otimizador.

Devoluções

• O nome do otimizador.

public String toString ()