TensorFlow 实战(二)—— tf.train(优化算法)
2017-03-11 11:13
281 查看
Training | TensorFlow
tf 下以大写字母开头的含义为名词的一般表示一个类(class)
tf.train.Optimizer
tf.train.GradientDescentOptimizer
tf.train.AdadeltaOpzimizer
Ada delta
tf.train.AdagradDAOptimizer
tf.train.MomentumOptimizer
tf.train.AdamOptimizer
tf.train.FtrlOptimizer
tf.train.ProximalGradientDescentOptimizer
tf.train.ProximalAdagradOptimizer
tf.train.RMSPropOptimizer
tf.gradients
tf.AggregationMethod
tf.stop_gradient
tf.hessians
tf.train.inverse_time_decay
tf.train.natural_exp_decay
tf.train.piecewise_constant
tf.train.polynomial_decay
tf 下以大写字母开头的含义为名词的一般表示一个类(class)
1. 优化器(optimizer)
优化器的基类(Optimizer base class)主要实现了两个接口,一是计算损失函数的梯度,二是将梯度作用于变量。tf.train 主要提供了如下的优化函数:tf.train.Optimizer
tf.train.GradientDescentOptimizer
tf.train.AdadeltaOpzimizer
Ada delta
tf.train.AdagradDAOptimizer
tf.train.MomentumOptimizer
tf.train.AdamOptimizer
tf.train.FtrlOptimizer
tf.train.ProximalGradientDescentOptimizer
tf.train.ProximalAdagradOptimizer
tf.train.RMSPropOptimizer
2. 梯度计算
TensorFlow 同时也提供了给定 TensorFlow 计算图(computation graph)的导数。上节提到的优化器类(optimizer classes)会自动计算 computation graph 的导数,但用户自定义优化器时,可以使用如下低级别的函数:tf.gradients
tf.AggregationMethod
tf.stop_gradient
tf.hessians
2. 学习率衰减(decaying the learning rate)
tf.train.exponential_decay# 实现的是如下的操作 decayed_lr = lr * decay_rate ^ (global_step/decay_steps)
在其 tf 下的使用为:
lr = tf.train.exponential_decay(0.1, global_step, 100, .96, staircase=True)
tf.train.inverse_time_decay
tf.train.natural_exp_decay
tf.train.piecewise_constant
tf.train.polynomial_decay
相关文章推荐
- tensorflow学习——tf.floor与tf.train.batch
- 梯度优化算法总结以及solver及train.prototxt中相关参数解释
- tensorflow实战之二:MNIST手写数字识别的优化1-代价函数优化
- Tensorflow实战学习(四十三)【TF.Learn 机器学习Estimator,DataFrame,监督器Monitors】
- Tensorflow实战学习(四十二)【TF.Learn、分布式Estimator、深度学习Estimator】
- Hadoop链式MapReduce、多维排序、倒排索引、自连接算法、二次排序、Join性能优化、处理员工信息Join实战、URL流量分析、TopN及其排序、求平均值和最大最小值、数据清洗ETL、分析气
- 【TensorFlow】模型持久化tf.train.Saver—下(九)
- 阿里云机器学习平台PAI的视频介绍(其中tensorflow高级教程有tf的代码优化讲解)
- 深度学习DeepLearning.ai系列课程学习总结:12. 优化算法实战
- Tensorflow实战学习(四十八)【系统架构,设计理念,编程模型,API,作用域,批标准化,神经元函数优化】
- tensorflow实战系列(二)TFRecordReader
- 针对新闻标签提取的tf-idf优化算法1.0版本——基于jieba分词实现
- [TensorFlow实战练习]3-高层API-tf.contrib.learn练习
- tensorflow学习day2简单监督学习模型及用tf.train.Saver实现检查点恢复
- tensorflow 下的滑动平均模型 —— tf.train.ExponentialMovingAverage
- tensorflow 1.0之tf.train.Saver 文档翻译
- 常见优化算法 (caffe和tensorflow对应参数)
- 神经网络优化算法详解(TensorFlow)
- Tensorflow基础:神经网络优化算法
- 常见优化算法 (tensorflow对应参数)