tensorflow: tf.train.exponential_decay函数
2018-04-03 19:01
375 查看
官方api翻译:
tf.train.exponential_decay(learning_rate, global_step, decay_steps, decay_rate, staircase=False, name=None)
应用指数衰减的学习率。
在训练模型时,经常建议在训练过程中降低学习速度。 该函数将指数衰减函数应用于提供的初始学习速率。
它需要一个global_step值来计算衰减的学习速率。 你可以传递一个TensorFlow变量,在每个训练步骤增加.
该函数返回衰退的学习速率。 它计算公式为:
decayed_learning_rate=learining_rate*decay_rate^(global_step/decay_steps) 如果参数staircase为True,那么global_step / decay_steps是一个整数除法,衰减的学习率遵循阶梯函数。
其中,decayed_learning_rate为每一轮优化时使用的学习率; learning_rate: 一个标量float32或float64张量或一个Python数字。 最初的学习率; global_step: 标量int32或int64张量或Python数字。 用于衰减计算的全局步骤。 一定不能是负数的。
decay_rate: 一个标量float32或float64张量或一个Python数字。 衰退率。; decay_steps:标量int32或int64张量或Python数字。必须是正数。 请参阅上面的衰减计算。 staircase: 布尔。 如果是true,它以不连续的间隔衰减学习速率。
name: String类型。操作的可选名称。 默认为'ExponentialDecay'
返回: 与learning_rate类型相同的标量张量。 衰退的学习率。
来个例子:global_step = tf.Variable(0)
learning_rate = tf.train.exponential_decay(0.01, global_step, 100, 0.96, staircase=True) #生成学习率
learning_step = tf.train.GradientDescentOptimizer(learning_rate).minimize(....., global_step=global_step) #使用指数衰减学习率learning_rate:0.01;staircase=True;则每100轮训练后要乘以0.96.
tf.train.exponential_decay(learning_rate, global_step, decay_steps, decay_rate, staircase=False, name=None)
应用指数衰减的学习率。
在训练模型时,经常建议在训练过程中降低学习速度。 该函数将指数衰减函数应用于提供的初始学习速率。
它需要一个global_step值来计算衰减的学习速率。 你可以传递一个TensorFlow变量,在每个训练步骤增加.
该函数返回衰退的学习速率。 它计算公式为:
decayed_learning_rate=learining_rate*decay_rate^(global_step/decay_steps) 如果参数staircase为True,那么global_step / decay_steps是一个整数除法,衰减的学习率遵循阶梯函数。
其中,decayed_learning_rate为每一轮优化时使用的学习率; learning_rate: 一个标量float32或float64张量或一个Python数字。 最初的学习率; global_step: 标量int32或int64张量或Python数字。 用于衰减计算的全局步骤。 一定不能是负数的。
decay_rate: 一个标量float32或float64张量或一个Python数字。 衰退率。; decay_steps:标量int32或int64张量或Python数字。必须是正数。 请参阅上面的衰减计算。 staircase: 布尔。 如果是true,它以不连续的间隔衰减学习速率。
name: String类型。操作的可选名称。 默认为'ExponentialDecay'
返回: 与learning_rate类型相同的标量张量。 衰退的学习率。
来个例子:global_step = tf.Variable(0)
learning_rate = tf.train.exponential_decay(0.01, global_step, 100, 0.96, staircase=True) #生成学习率
learning_step = tf.train.GradientDescentOptimizer(learning_rate).minimize(....., global_step=global_step) #使用指数衰减学习率learning_rate:0.01;staircase=True;则每100轮训练后要乘以0.96.
相关文章推荐
- TensorFlow入门基础知识(七)tf.train.exponential_decay的用法
- Tensorflow中提供tf.train.ExponentialMovingAverage函数实现(滑动平均模型)
- tf.train.exponential_decay的用法
- TensorFlow-方法train.exponential_decay()
- tf.train.exponential_decay 用法
- TensorFlow入门基础知识(六)tf.train.ExponentialMovingAverage()的用法
- tf.train.exponential_decay的用法
- tensorflow 下的滑动平均模型 —— tf.train.ExponentialMovingAverage
- tf.train.ExponentialMovingAverage声明后变量会增多一个影子变量
- Tensorflow高级API的进阶--利用tf.contrib.learn建立输入函数
- tensorflow(学习一)中的tf.app.flags函数定义命令行参数
- tensorflow中的tf.nn这类函数
- TensorFlow函数——tf.placeholder()
- tf.train.ExponentialMovingAverage的用法
- [tensorflow教程] [cifar10] tf.train.batch和tf.train.shuffle_batch的用法
- tf.train.noisy_linear_cosine_decay
- [TensorFlow] demo1 tf.square 函数
- tensorflow学习——tf.train.Supervisor()与tf.train.saver()
- 【Tensorflow】tf.cast 类型转换 函数
- 05:Tensorflow高级API的进阶--利用tf.contrib.learn建立输入函数