کلاس عمومی نادام
بهینه ساز Nadam که الگوریتم NAdam را پیاده سازی می کند.
درست مانند آدام که اساساً RMSprop با تکانه است، نادام نیز آدم با شتاب نستروف است.
همچنین ببینید
ثابت ها
| شناور | BETA_ONE_DEFAULT | |
| شناور | BETA_TWO_DEFAULT | |
| شناور | EPSILON_DEFAULT | |
| رشته | FIRST_MOMENT | |
| شناور | LEARNING_RATE_DEFAULT | |
| رشته | تکانه | |
| رشته | SECOND_MOMENT |
ثابت های ارثی
سازندگان عمومی
روش های عمومی
| رشته | getOptimizerName () نام بهینه ساز را دریافت کنید. |
روش های ارثی
ثابت ها
شناور نهایی استاتیک عمومی BETA_ONE_DEFAULT
مقدار ثابت: 0.9
شناور نهایی ثابت عمومی BETA_TWO_DEFAULT
مقدار ثابت: 0.999
شناور نهایی استاتیک عمومی EPSILON_DEFAULT
مقدار ثابت: 1.0E-8
رشته نهایی ثابت عمومی FIRST_MOMENT
مقدار ثابت: "m"
شناور نهایی ثابت عمومی LEARNING_RATE_DEFAULT
مقدار ثابت: 0.001
MOMENTUM رشته نهایی استاتیک عمومی
مقدار ثابت: "تحرک"
رشته نهایی ثابت عمومی SECOND_MOMENT
مقدار ثابت: "v"
سازندگان عمومی
عمومی نادام ( گراف نمودار، نرخ یادگیری شناور)
یک Nadam Optimizer ایجاد می کند
مولفه های
| نمودار | نمودار TensorFlow |
|---|---|
| نرخ یادگیری | نرخ یادگیری، به طور پیش فرض 0.001 است |
عمومی نادام ( گراف نمودار، نرخ یادگیری شناور، شناور betaOne، شناور betaTwo، اپسیلون شناور)
یک Nadam Optimizer ایجاد می کند
مولفه های
| نمودار | نمودار TensorFlow |
|---|---|
| نرخ یادگیری | نرخ یادگیری، به طور پیش فرض 0.001 است |
| betaOne | نرخ فروپاشی نمایی برای لحظه 1 تخمین می زند. پیش فرض 0.9 است. |
| betaTwo | نرخ فروپاشی نمایی برای هنجار بی نهایت وزن دار نمایی. پیش فرض 0.999 است. |
| اپسیلون | یک ثابت کوچک برای ثبات عددی. پیش فرض 1e-8 است. |
عمومی نادام ( گراف نمودار، نام رشته، نرخ یادگیری شناور)
یک Nadam Optimizer ایجاد می کند
مولفه های
| نمودار | نمودار TensorFlow |
|---|---|
| نام | نام این بهینه ساز، به طور پیش فرض روی «ندام» است. |
| نرخ یادگیری | نرخ یادگیری، به طور پیش فرض 0.001 است |
عمومی Nadam ( گراف نمودار، نام رشته، نرخ یادگیری شناور، float betaOne، float betaTwo، float epsilon)
یک Nadam Optimizer ایجاد می کند
مولفه های
| نمودار | نمودار TensorFlow |
|---|---|
| نام | نام این بهینه ساز، به طور پیش فرض روی «ندام» است. |
| نرخ یادگیری | نرخ یادگیری، به طور پیش فرض 0.001 است |
| betaOne | نرخ فروپاشی نمایی برای لحظه 1 تخمین می زند. پیش فرض 0.9 است. |
| betaTwo | نرخ فروپاشی نمایی برای هنجار بی نهایت وزن دار نمایی. پیش فرض 0.999 است. |
| اپسیلون | یک ثابت کوچک برای ثبات عددی. پیش فرض 1e-8 است. |
روش های عمومی
رشته عمومی getOptimizerName ()
نام بهینه ساز را دریافت کنید.
برمی گرداند
- نام بهینه ساز