Aviso: Este projeto está obsoleto. O Swift for TensorFlow foi um experimento na plataforma de próxima geração para aprendizado de máquina, incorporando as pesquisas mais recentes sobre aprendizado de máquina, compiladores, programação diferenciável, design de sistemas e muito mais. Foi arquivado em fevereiro de 2021.
AMSGrad
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Otimizador AMSGrad.
Este algoritmo é uma modificação de Adam com melhores propriedades de convergência quando próximo a ótimos locais.
Referência: “na convergência de Adam and Beyond”
Declaração
public typealias Model = Model
Declaração
public var learningRate: Float
Um coeficiente usado para calcular o primeiro e o segundo momentos dos gradientes.
Um coeficiente usado para calcular o primeiro e o segundo momentos dos gradientes.
Um pequeno escalar adicionado ao denominador para melhorar a estabilidade numérica.
Declaração
public var epsilon: Float
O declínio da taxa de aprendizagem.
Os primeiros momentos dos pesos.
Declaração
public var firstMoments: Model.TangentVector
Os segundos momentos dos pesos.
Declaração
public var secondMoments: Model.TangentVector
O máximo dos segundos momentos dos pesos.
Declaração
public var secondMomentsMax: Model.TangentVector
Declaração
public init(
for model: __shared Model,
learningRate: Float = 1e-3,
beta1: Float = 0.9,
beta2: Float = 0.999,
epsilon: Float = 1e-8,
decay: Float = 0
)
Declaração
public func update(_ model: inout Model, along direction: Model.TangentVector)
Declaração
public required init(copying other: AMSGrad, to device: Device)
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons, e as amostras de código são licenciadas de acordo com a Licença Apache 2.0. Para mais detalhes, consulte as políticas do site do Google Developers. Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2021-09-28 UTC.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Não contém as informações de que eu preciso"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Muito complicado / etapas demais"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Desatualizado"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problema na tradução"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Problema com as amostras / o código"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Outro"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Fácil de entender"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Meu problema foi resolvido"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Outro"
}]
{"lastModified": "\u00daltima atualiza\u00e7\u00e3o 2021-09-28 UTC."}
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Não contém as informações de que eu preciso","missingTheInformationINeed","thumb-down"],["Muito complicado / etapas demais","tooComplicatedTooManySteps","thumb-down"],["Desatualizado","outOfDate","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Problema com as amostras / o código","samplesCodeIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2021-09-28 UTC."]]