Questa pagina è stata tradotta dall'API Cloud Translation.

AdaGradDA

classe pubblica AdaGradDA

Ottimizzatore che implementa l'algoritmo Adagrad Dual-Averaging.

Questo ottimizzatore si occupa della regolarizzazione delle funzionalità invisibili in un mini batch aggiornandole quando vengono visualizzate con una regola di aggiornamento del modulo chiuso che equivale ad averle aggiornate su ogni mini-batch.

AdagradDA viene in genere utilizzato quando è necessaria una grande scarsità nel modello addestrato. Questo ottimizzatore garantisce la scarsità solo per i modelli lineari. Fai attenzione quando usi AdagradDA per reti profonde poiché richiederà un'accurata inizializzazione degli accumulatori di gradiente per l'addestramento.

Guarda anche

Duchi, J, et al., 2011, Metodi dei sottogradienti adattivi per l'apprendimento online e l'ottimizzazione stocastica

Costanti

Corda	ACCUMULATORE
galleggiante	INITIAL_ACCUMULATOR_DEFAULT
galleggiante	L1_STRENGTH_DEFAULT
galleggiante	L2_STRENGTH_DEFAULT
galleggiante	LEARNING_RATE_DEFAULT
Corda	QUADRATO_ACCUMULO

Costanti ereditate

Dalla classe org.tensorflow.framework.optimizers.Optimizer

Corda VARIABILE_V2

Costruttori pubblici

	AdaGradDA (grafico grafico ) Crea un ottimizzatore AdaGradDA
	AdaGradDA (grafico grafico , tasso di apprendimento float) Crea un ottimizzatore AdaGradDA
	AdaGradDA (grafico grafico , float learningRate, float partialAccumulatorValue, float l1Strength, float l2Strength) Crea un ottimizzatore AdaGradDA
	AdaGradDA (grafico grafico , nome stringa, tasso di apprendimento float) Crea un ottimizzatore AdaGradDA
	AdaGradDA (grafico grafico , nome stringa, float learningRate, float partialAccumulatorValue, float l1Strength, float l2Strength) Crea un ottimizzatore AdaGradDA

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

ACCUMULATORE di stringa finale statico pubblico

Valore costante: "gradient_accumulator"

float finale statico pubblico INITIAL_ACCUMULATOR_DEFAULT

Valore costante: 0,1

float finale statico pubblico L1_STRENGTH_DEFAULT

Valore costante: 0,0

float finale statico pubblico L2_STRENGTH_DEFAULT

Valore costante: 0,0

float finale statico pubblico LEARNING_RATE_DEFAULT

Valore costante: 0,001