RMSProp

genel sınıf RMSProp

RMSProp algoritmasını uygulayan optimizer.

RMSprop'un özü şudur:

• Degradelerin karesinin hareketli (indirimli) ortalamasını koruyun
• Degradeyi bu ortalamanın köküne bölün

RMSprop'un bu uygulaması Nesterov momentumunu değil, düz momentumu kullanıyor.

Ortalanmış versiyon ayrıca gradyanların hareketli ortalamasını korur ve varyansı tahmin etmek için bu ortalamayı kullanır.

Ayrıca bakınız

• Hinton G, et al. 2012, ders notları, bu açıklanamaz bir şekilde kanonik referanstır.

Sabitler

boolean	CENTERED_DEFAULT
batmadan yüzmek	DECAY_DEFAULT
batmadan yüzmek	EPSILON_DEFAULT
batmadan yüzmek	LEARNING_RATE_DEFAULT
Sicim	MG
Sicim	İTME
batmadan yüzmek	MOMENTUM_DEFAULT
Sicim	RMS

Devralınan Sabitler

org.tensorflow.framework.optimizers.Optimizer sınıfından

Sicim

DEĞİŞKEN_V2

Kamu İnşaatçıları

	RMSProp ( Grafik grafiği) Bir RMSPRrop Optimize Edici oluşturur
	RMSProp ( Grafik grafiği, kayan öğrenme Hızı) Bir RMSPRrop Optimize Edici oluşturur
	RMSProp ( Grafik grafiği, kayan öğrenme oranı, kayan nokta bozunması, kayan momentum, kayan epsilon, boole merkezli) Bir RMSPRrop Optimize Edici oluşturur
	RMSProp ( Grafik grafiği, Dize adı, kayan öğrenme Hızı) Bir RMSPRrop Optimize Edici oluşturur
	RMSProp ( Grafik grafiği, Dize adı, kayan öğrenme Hızı, kayan nokta azalması, kayan momentum, kayan epsilon, boole merkezli) Bir RMSPRrop Optimize Edici oluşturur

Genel Yöntemler

Sicim	getOptimizerName () Optimize edicinin Adını alın.
Sicim	toString ()

Kalıtsal Yöntemler

org.tensorflow.framework.optimizers.Optimizer sınıfından

Operasyon	ApplyGradients (Liste< GradAndVar <?, TType >> gradsAndVars, Dize adını genişletir) Değişkenlere degradeler uygular
<T extends TType > Listele< GradAndVar <?>>	computeGradients ( İşlenen <?> kaybı) Kayıp işlenenine göre gradyanları hesaplar.
statik Dize	createName ( Output <? extends TType > değişken, String slotName) Bir değişken adı ile yuva adını birleştirerek bir ad oluşturur
soyut Dize	getOptimizerName () Optimize edicinin Adını alın.
<T TType'ı genişletir > İsteğe bağlı< Değişken <T>>	getSlot ( Output <T> var, String slotName) Belirtilen değişken ve yuva adıyla ilişkili yuvayı alır.
son Operasyonlar	getTF () Optimizer'ın Ops örneğini alır
Operasyon	en aza indir ( İşlenen <?> kaybı) Değişkenleri güncelleyerek kaybı en aza indirir
Operasyon	simge durumuna küçült ( İşlenen <?> kaybı, Dize adı) Değişkenleri güncelleyerek kaybı en aza indirir

Java.lang.Object sınıfından

boolean	eşittir (Nesne arg0)
son Sınıf<?>	getClass ()
int	hash kodu ()
son boşluk	bildir ()
son boşluk	tümünü bildir ()
Sicim	toString ()
son boşluk	bekle (uzun arg0, int arg1)
son boşluk	bekle (uzun arg0)
son boşluk	Beklemek ()

Sabitler

genel statik son boolean CENTERED_DEFAULT

Sabit Değer: yanlış

genel statik son kayan nokta DECAY_DEFAULT

Sabit Değer: 0,9

genel statik son kayan nokta EPSILON_DEFAULT

Sabit Değer: 1.0E-10

genel statik son kayan nokta LEARNING_RATE_DEFAULT

Sabit Değer: 0,001

genel statik final String MG

Sabit Değer: "mg"

genel statik final String MOMENTUM

Sabit Değer: "ivme"

genel statik son kayan nokta MOMENTUM_DEFAULT

Sabit Değer: 0,0

genel statik son Dize RMS

Sabit Değer: "rms"

Kamu İnşaatçıları

genel RMSProp ( Grafik grafiği)

Bir RMSPRrop Optimize Edici oluşturur

Parametreler

grafik	TensorFlow Grafiği

public RMSProp ( Grafik grafiği, kayan öğrenme Hızı)

Bir RMSPRrop Optimize Edici oluşturur

Parametreler

grafik	TensorFlow Grafiği
öğrenme oranı	öğrenme oranı

public RMSProp ( Grafik grafiği, kayan öğrenme oranı, kayan nokta bozunması, kayan momentum, kayan epsilon, boole merkezli)

Bir RMSPRrop Optimize Edici oluşturur

Parametreler

grafik	TensorFlow Grafiği
öğrenme oranı	öğrenme oranı
çürümek	Geçmiş/gelecek eğim için indirim faktörü. Varsayılan 0,9'dur.
itme	hızlanma faktörü, varsayılan 0'dır.
epsilon	Sayısal kararlılık için küçük bir sabit
merkezli	true ise degradeler, degradenin tahmini varyansına göre normalleştirilir; false ise merkezlenmemiş ikinci ana göre. Bunu true olarak ayarlamak eğitime yardımcı olabilir ancak hesaplama ve hafıza açısından biraz daha pahalıdır. Varsayılan olarak false .

public RMSProp ( Grafik grafiği, Dize adı, kayan öğrenme Hızı)

Bir RMSPRrop Optimize Edici oluşturur

Parametreler

grafik	TensorFlow Grafiği
isim	bu Optimize Edicinin adı. Varsayılan olarak "RMSProp" kullanılır.
öğrenme oranı	öğrenme oranı

public RMSProp ( Grafik grafiği, Dize adı, kayan öğrenme Hızı, kayan nokta azalması, kayan momentum, kayan epsilon, boole merkezli)

Bir RMSPRrop Optimize Edici oluşturur

Parametreler

grafik	TensorFlow Grafiği
isim	bu Optimize Edicinin adı. Varsayılan olarak "RMSProp" kullanılır.
öğrenme oranı	öğrenme oranı
çürümek	Geçmiş/gelecek eğim için indirim faktörü. Varsayılan 0,9'dur.
itme	Hızlanma faktörü varsayılan olarak 0'dır.
epsilon	Sayısal kararlılık için küçük bir sabit
merkezli	true ise degradeler, degradenin tahmini varyansına göre normalleştirilir; false ise merkezlenmemiş ikinci ana göre. Bunu true olarak ayarlamak eğitime yardımcı olabilir ancak hesaplama ve hafıza açısından biraz daha pahalıdır. Varsayılan olarak false .

Genel Yöntemler

public String getOptimizerName ()

Optimize edicinin Adını alın.

İadeler

• Optimize edici adı.

public String toString ()