tf.contrib.opt.AddSignOptimizer

Оптимизатор, реализующий обновление AddSign.

Наследуется от: Optimizer

tf.contrib.opt.AddSignOptimizer(
    learning_rate=0.1, alpha=1.0, beta=0.9, sign_decay_fn=None, use_locking=False,
    name='AddSignOptimizer'
)

См. [Bello и др., ICML2017], Поиск нейронных оптимизаторов с помощью RL.

Аргументы
`learning_rate`	learning_rate, используемый при выполнении шага.
`alpha`	alpha, используемый в оптимизаторе.
`beta`	decay, используемый для вычисления скользящего среднего m.
`sign_decay_fn`	Функция decay, применяемая к значению sign(g) sign(m). Принимает global_step в качестве аргумента. См. sign_decay.py для примеров.
`use_locking`	Если True, использовать блокировки для операций обновления.
`name`	Необязательное имя для операций, созданных при применении градиентов. По умолчанию "AddSignOptimizer".

Методы

`apply_gradients`

Просмотреть исходный код

apply_gradients(
    grads_and_vars, global_step=None, name=None
)

Применить градиенты к переменным.

Это вторая часть minimize(). Возвращает операцию, применяющую градиенты.

Аргументы
`grads_and_vars`	Список пар (градиент, переменная), как возвращается `compute_gradients()`.
`global_step`	Необязательный global_step, который увеличивается на единицу после обновления переменных.
`name`	Необязательное имя для возвращаемой операции. По умолчанию, имя, переданное конструктору `Optimizer`.

Возвращаемое значение
Операция, применяющая указанные градиенты. Если global_step не был None, эта операция также увеличивает global_step.

Исключения
`TypeError`	Если список пар (градиент, переменная) имеет неправильный формат.
`ValueError`	Если ни у одной из переменных нет градиента.
`RuntimeError`	Если следует использовать `_distributed_apply()` вместо этого.

`compute_gradients`

Просмотреть исходный код

compute_gradients(
    loss, var_list=None, gate_gradients=GATE_OP, aggregation_method=None,
    colocate_gradients_with_ops=False, grad_loss=None
)

Вычислить градиенты loss для переменных в var_list.

Это первая часть minimize(). Возвращает список пар (градиент, переменная), где "градиент" — градиент для "переменной". Обратите внимание, что "градиент" может быть None, если для данной переменной нет градиента.

Аргументы
`loss`	Тензор, содержащий значение для минимизации или вызываемая функция без аргументов, возвращающая значение для минимизации. При включённом режиме eager execution, должен быть вызываемой функцией.
`var_list`	Необязательный список или кортеж переменных, которые необходимо обновить, чтобы минимизировать `loss`. По умолчанию — список переменных, собранных в графе под ключом `GraphKeys.TRAINABLE_VARIABLES`.
`gate_gradients`	Способ управления вычислением градиентов. Может быть `GATE_NONE`, `GATE_OP`, или `GATE_GRAPH`.
`aggregation_method`	Указывает метод объединения градиентов. Допустимые значения определены в классе `AggregationMethod`.
`colocate_gradients_with_ops`	Если True, попробовать разместить градиенты совместно с соответствующей операцией.
`grad_loss`	Необязательно. Тензор, содержащий вычисленный градиент для `loss`.

Возвращаемое значение
Список пар (градиент, переменная). Переменная всегда присутствует, но градиент может быть None.

Исключения
`TypeError`	Если `var_list` содержит что-либо кроме объектов `Variable`.
`ValueError`	Если некоторые аргументы неверны.
`RuntimeError`	Если вызвана при включённом eager execution, и `loss` не является вызываемой функцией.

Совместимость с eager execution

При включённом eager execution, gate_gradients, aggregation_method, и colocate_gradients_with_ops игнорируются.

`get_name`

Просмотреть исходный код

get_name()

`get_slot`

Просмотреть исходный код

get_slot(
    var, name
)

Возвращает слот с именем name, созданный для var оптимизатором.

Некоторые подклассы Optimizer используют дополнительные переменные. Например, Momentum и Adagrad используют переменные для накопления обновлений. Этот метод предоставляет доступ к этим переменным, если они вам нужны.

Используйте get_slot_names() для получения списка имён слотов, созданных оптимизатором Optimizer.

Аргументы
`var`	Переменная, переданная в `minimize()` или `apply_gradients()`.
`name`	Строка.

Возвращаемое значение
Переменная слота, если она создана, иначе None.

`get_slot_names`

Просмотреть исходный код

get_slot_names()

Возвращает список имён слотов, созданных оптимизатором Optimizer.

См. get_slot().

Возвращаемое значение
Список строк.

`minimize`

Просмотреть исходный код

minimize(
    loss, global_step=None, var_list=None, gate_gradients=GATE_OP,
    aggregation_method=None, colocate_gradients_with_ops=False, name=None,
    grad_loss=None
)

Добавить операции для минимизации loss путём обновления var_list.

Этот метод просто объединяет вызовы compute_gradients() и apply_gradients(). Если вы хотите обработать градиент перед применением, вызовите compute_gradients() и apply_gradients() явно вместо использования этой функции.

Аргументы
`loss`	Тензор, содержащий значение для минимизации.
`global_step`	Необязательный global_step, который увеличивается на единицу после обновления переменных.
`var_list`	Необязательный список или кортеж объектов переменных, которые необходимо обновить, чтобы минимизировать `loss`. По умолчанию — список переменных, собранных в графе под ключом `GraphKeys.TRAINABLE_VARIABLES`.
`gate_gradients`	Способ управления вычислением градиентов. Может быть `GATE_NONE`, `GATE_OP`, или `GATE_GRAPH`.
`aggregation_method`	Указывает метод объединения градиентов. Допустимые значения определены в классе `AggregationMethod`.
`colocate_gradients_with_ops`	Если True, попробовать разместить градиенты совместно с соответствующей операцией.
`name`	Необязательное имя для возвращаемой операции.
`grad_loss`	Необязательно. Тензор, содержащий вычисленный градиент для `loss`.

Возвращаемое значение
Операция, обновляющая переменные в `var_list`. Если global_step не был None, эта операция также увеличивает global_step.

Исключения
`ValueError`	Если некоторые из переменных не являются объектами переменных.

Совместимость с eager execution

При включённом eager execution, loss должна быть Python-функцией без аргументов, вычисляющей значение для минимизации. Минимизация (и вычисление градиента) выполняется относительно элементов var_list если оно не None, иначе относительно всех обучаемых переменных, созданных во время выполнения функции loss. gate_gradients, aggregation_method, colocate_gradients_with_ops и grad_loss игнорируются при включённом eager execution.

`variables`

Просмотреть исходный код

variables()

Список переменных, кодирующих текущее состояние Optimizer.

Включает переменные слотов и дополнительные глобальные переменные, созданные оптимизатором в текущей по умолчанию графе.

class="responsive fixed orange">

Возвращает
Список переменных.

Переменные класса

GATE_GRAPH = 2
GATE_NONE = 0
GATE_OP = 1

© 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/opt/AddSignOptimizer