التدفّق الجذري (RMSProp)

public class RMSProp<Model: Differentiable>: Optimizer
where
  Model.TangentVector: VectorProtocol & PointwiseMultiplicative
    & ElementaryFunctions & KeyPathIterable,
  Model.TangentVector.VectorSpaceScalar == Float

محسن RMSProp.

ينفذ خوارزمية التحسين RMSProp. RMSProp هو شكل من أشكال النسب التدرج العشوائي حيث يتم تقسيم التدرجات على متوسط ​​تشغيل حجمها الحديث. يحتفظ RMSProp بمتوسط ​​متحرك للتدرج المربع لكل وزن.

مراجع:

• "المحاضرة 6.5 - rmsprop: قسمة التدرج على متوسط ​​تشغيل حجمه الحديث" (Tieleman and Hinton, 2012)
• "توليد تسلسلات باستخدام الشبكات العصبية المتكررة" (جريفز، 2013)

• نموذج
  تصريح

  public typealias Model = Model

• LearningRate
  معدل التعلم.

  تصريح

  public var learningRate: Float

• rho
  التدرج المتوسط ​​​​المتحرك عامل الاضمحلال.

  تصريح

  public var rho: Float

• إبسيلون
  كمية صغيرة تضاف إلى المقام لتحسين الاستقرار العددي.

  تصريح

  public var epsilon: Float

• فساد
  انخفاض معدل التعلم.

  تصريح

  public var decay: Float

• خطوة
  عدد الخطوات.

  تصريح

  public var step: Float

• ألفا
  قيم ألفا لجميع متغيرات النموذج القابلة للتمييز.

  تصريح

  public var alpha: Model.TangentVector

• الحرف الأول (لـ: معدل التعلم: rho: إبسيلون: الاضمحلال :)
  يقوم بإنشاء مثيل model .

  تصريح

  public init(
    for model: __shared Model,
    learningRate: Float = 1e-3,
    rho: Float = 0.9,
    epsilon: Float = 1e-8,
    decay: Float = 0
  )

  حدود

  learningRate	معدل التعلم. القيمة الافتراضية هي 1e-3 .
  rho	التدرج المتوسط ​​​​المتحرك عامل الاضمحلال. القيمة الافتراضية هي 0.9 .
  epsilon	كمية صغيرة تضاف إلى المقام لتحسين الاستقرار العددي. القيمة الافتراضية هي 1e-8 .
  decay	انخفاض معدل التعلم. القيمة الافتراضية هي 0 .

• التحديث(_:على طول :)
  تصريح

  public func update(_ model: inout Model, along direction: Model.TangentVector)

• الحرف الأول (النسخ: إلى :)
  تصريح

  public required init(copying other: RMSProp, to device: Device)