공개 최종 클래스 SdcaOptimizer
SDCA(Stochastic Dual Coordinate Ascent) 최적화의 분산 버전
L1 + L2 정규화를 사용한 선형 모델. 전역 최적화 목표는 강하게 볼록하므로 최적화 프로그램은 각 단계에서 이중 목표를 최적화합니다. 최적화 프로그램은 각 업데이트를 한 번에 하나씩 적용합니다. 예제는 균일하게 샘플링되며 옵티마이저는 학습률이 없으며 선형 수렴률을 누립니다.
[근위 확률론적 이중 좌표 상승](http://arxiv.org/pdf/1211.2717v1.pdf).
샤이 샬레브-슈워츠, 통 장. 2012년
LossObjective=∑fi(wxi)+(l2/2)∗|w|2+l1∗|w|
[분산 원초-이중 최적화의 추가와 평균화](http://arxiv.org/abs/1502.03508).
Chenxin Ma, 버지니아 스미스, Martin Jaggi, Michael I. Jordan, Peter Richtarik, Martin Takac. 2015년
[적응 확률을 이용한 확률적 이중 좌표 상승](https://arxiv.org/abs/1502.08053).
도미닉 치바, 정취, 피터 리치타릭. 2015년
중첩 클래스
| 수업 | SdcaOptimizer.옵션 | SdcaOptimizer 의 선택적 속성 | |
상수
| 끈 | OP_NAME | TensorFlow 핵심 엔진에서 알려진 이 작업의 이름 |
공개 방법
| 정적 SdcaOptimizer.Options | 적응형 (부울 적응형) |
| 정적 SdcaOptimizer | create ( Scope 범위, Iterable< Operand < TInt64 >> sparseExampleIndices, Iterable< Operand < TInt64 >> sparseFeatureIndices, Iterable< Operand < TFloat32 >> sparseFeatureValues, Iterable< Operand < TFloat32 >>densenseFeatures, Operand < TFloat32 > exampleWeights, Operand < TFloat32 > exampleLabels, Iterable< Operand < TInt64 >> sparseIndices, Iterable< Operand < TFloat32 >> sparseWeights, Iterable< Operand < TFloat32 >>densityWeights, Operand < TFloat32 > exampleStateData, String lossType, Float l1, Float l2, Long numLossPartitions, Long numInnerIterations , 옵션... 옵션) 새로운 SdcaOptimizer 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다. |
| 목록< 출력 < TFloat32 >> | outDeltaDenseWeights () 값이 밀집된 피쳐 그룹과 연관된 델타 가중치인 벡터 목록입니다. |
| 목록< 출력 < TFloat32 >> | outDeltaSparseWeights () 각 값이 희소 기능 그룹과 연관된 델타 가중치인 벡터 목록입니다. |
| 출력 < TFloat32 > | outExampleStateData () 업데이트된 예제 상태 데이터를 포함하는 벡터 목록입니다. |
상속된 메서드
| 부울 | 같음 (개체 arg0) |
| 마지막 수업<?> | getClass () |
| 정수 | 해시코드 () |
| 최종 무효 | 알림 () |
| 최종 무효 | 통지모두 () |
| 끈 | toString () |
| 최종 무효 | 대기 (long arg0, int arg1) |
| 최종 무효 | 기다리세요 (긴 arg0) |
| 최종 무효 | 기다리다 () |
상수
공개 정적 최종 문자열 OP_NAME
TensorFlow 핵심 엔진에서 알려진 이 작업의 이름
상수 값: "SdcaOptimizerV2"
공개 방법
public static SdcaOptimizer create ( Scope 범위, Iterable< Operand < TInt64 >> sparseExampleIndices, Iterable< Operand < TInt64 >> sparseFeatureIndices, Iterable< Operand < TFloat32 >> sparseFeatureValues, Iterable< Operand < TFloat32 >>densenseFeatures, Operand < TFloat32 > exampleWeights, Operand < TFloat32 > exampleLabels, Iterable< Operand < TInt64 >> sparseIndices, Iterable< Operand < TFloat32 >> sparseWeights, Iterable< Operand < TFloat32 >>densityWeights, Operand < TFloat32 > exampleStateData, String lossType, Float l1, Float l2, Long numLossPartitions , 긴 numInnerIterations, 옵션... 옵션)
새로운 SdcaOptimizer 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
| 범위 | 현재 범위 |
|---|---|
| sparseExampleIndices | 예제 인덱스를 포함하는 벡터 목록입니다. |
| sparseFeatureIndices | 특징 인덱스를 포함하는 벡터 목록입니다. |
| sparseFeature값 | 각 특징 그룹과 관련된 특징 값을 포함하는 벡터 목록입니다. |
| 밀집된 특징 | 밀집된 특성 값을 포함하는 행렬 목록입니다. |
| 예가중치 | 각 예시와 관련된 가중치를 포함하는 벡터입니다. |
| exampleLabels | 각 예시와 관련된 라벨/타겟을 포함하는 벡터입니다. |
| sparseIndices | 각 값이 sparse_weights에 해당 가중치를 갖는 인덱스인 벡터 목록입니다. 밀집 접근 방식의 경우 이 필드가 생략될 수 있습니다. |
| sparseWeights | 각 값이 희소 기능 그룹과 연관된 가중치인 벡터 목록입니다. |
| 밀도가중치 | 값이 밀집된 피쳐 그룹과 연관된 가중치인 벡터 목록입니다. |
| 예제상태데이터 | 예시 상태 데이터를 포함하는 벡터 목록입니다. |
| 손실 유형 | 원초 손실의 유형입니다. 현재 SdcaSolver는 로지스틱, 제곱 및 힌지 손실을 지원합니다. |
| l1 | 대칭 l1 정규화 강도. |
| l2 | 대칭 l2 정규화 강도. |
| 손실파티션 수 | 전역 손실 함수의 파티션 수입니다. |
| numInnerIterations | 미니 배치당 반복 횟수입니다. |
| 옵션 | 선택적 속성 값을 전달합니다. |
보고
- SdcaOptimizer의 새 인스턴스