TensorFlow - 优化器

首页 / TensorFlow / TensorFlow - 优化器

Optimizers是扩展类,其中包括用于训练特定模型的附加信息,Optimizers类使用给定的参数初始化,用于提高速度和性能,以训练特定模型。

TensorFlow的基本Optimizers是-

tf.train.Optimizer

此类在tensorflow/python/training/optimizer.py的指定路径中定义。

无涯教程将专注于随机梯度下降,下面提到用于创建Optimizers的图示-

def sgd(cost, params, lr = np.float32(0.01)):
   g_params = tf.gradients(cost, params)
   updates = []
   
   for param, g_param in zip(params, g_params):
      updates.append(param.assign(param - lr*g_param))
   return updates

基本参数在特定功能内定义。在接下来的章节中,将重点介绍实现Optimizers的梯度下降优化。

这一章《TensorFlow - 优化器》你学到了什么?在下面做个笔记吧!做站不易,你的分享是对我们最大的支持,感谢!😊

好记忆不如烂笔头。留下你的足迹吧 :)

相关文章

微服务架构核心20讲 -〔杨波 - 〕

从0开始学游戏开发 -〔蔡能 - 〕

从0开发一款iOS App -〔朱德权 - 〕

NLP实战高手课 -〔王然 - 〕

删除 pandas 列中的前导零,但仅适用于数字

当特定列相同时附加 id

根据条件获取最小值

将 lambda 列表合并为一个

根据另一个列表返回连续出现的列表

如何在numpy数组的每一行中将第n个非零元素更改为零

视频推荐〔TensorFlow - 课时123 variational auto-encoders引入〕

更多 Tensorflow-optimizers 视频教程 »