tf.contrib.constrained_optimization.ConstrainedMinimizationProblem

Абстрактный класс, представляющий ConstrainedMinimizationProblem.

ConstrainedMinimizationProblem состоит из целевой функции, минимизируемой, и набора функций ограничений, которые должны быть неотрицательными.

В дополнение к функциям ограничений могут (необязательно) быть функции-заменители ограничений: ConstrainedOptimizer попытается наказать эти функции-заменители ограничений, чтобы удовлетворить (не замещающим) ограничениям. Замещающие ограничения могут использоваться, если функции ограничений сложно или невозможно оптимизировать (например, если они кусочно-постоянны), в этом случае замещающие ограничения должны быть некоторым приближением исходных ограничений, достаточно хорошо себя ведущим, чтобы позволить успешную оптимизацию.

Атрибуты
`constraints`	Возвращает вектор функций ограничений. Пусть g_i – i-ый элемент вектора ограничений, i-е ограничение будет g_i <= 0.
`num_constraints`	Возвращает количество ограничений.
`objective`	Возвращает целевую функцию.
`pre_train_ops`	Возвращает список `Operation` для выполнения перед train_op. Когда `ConstrainedOptimizer` создает train_op (в `minimize` `minimize_unconstrained`, или `minimize_constrained`), он будет включать эти операции перед основным шагом обучения.
`proxy_constraints`	Возвращает необязательный вектор функций-заменителей ограничений. Разница между `constraints` и `proxy_constraints` заключается в том, что, когда присутствуют замещающие ограничения, замещающие ограничения лишь ВЫЧИСЛЯЮТСЯ во время оптимизации, тогда как `proxy_constraints` дифференцируются. Если замещающих ограничений нет, тогда `constraints` и те, и другие вычисляются и дифференцируются. Например, если мы хотим наложить ограничения на функции ступенчатой функции, то мы можем использовать эти функции для `constraints`. Однако, поскольку у ступенчатой функции градиент равен нулю почти везде, мы не можем дифференцировать эти функции, поэтому мы возьмем `proxy_constraints` как некоторое дифференцируемое приближение `constraints`.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib/constrained_optimization/ConstrainedMinimizationProblem