tf.contrib.opt.DropStaleGradientOptimizer

Оборачивающий оптимизатор, который проверяет и отбрасывает устаревшие градиенты.

Наследуется от: Optimizer

tf.contrib.opt.DropStaleGradientOptimizer(
    opt, staleness, use_locking=False, name='DropStaleGradient'
)

Этот оптимизатор записывает глобальный шаг для каждого работника перед вычислением градиентов и сравнивает его с глобальным шагом в момент применения градиентов. Если разница больше порога, он отбросит все вычисленные градиенты.

Аргументы
`opt`	Фактический оптимизатор, который будет использоваться для вычисления и применения градиентов. Должен быть одним из классов Optimizer.
`staleness`	Максимально допустимая устарелость оптимизатора.
`use_locking`	Если `True` использовать блокировки для операций обновления клипов.
`name`	Необязательное префиксное имя для операций, созданных при применении градиентов. По умолчанию "DropStaleGradient".

Методы

`apply_gradients`

Просмотреть исходный код

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

Применить градиенты к переменным.

Это вторая часть minimize(). Она возвращает операцию, которая применяет градиенты.

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

Возвращает
Операция, применяющая указанные градиенты. Если `global_step` не было None, эта операция также увеличивает `global_step`.

Возможные исключения
`TypeError`	Если `grads_and_vars` 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, *args, **kwargs
)

Вычислить градиенты loss для переменных в var_list.

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

Аргументы
`loss`	Tensor, содержащий значение для минимизации, или вызываемый объект без аргументов, возвращающий значение для минимизации. При включённом режиме выполнения Eager он должен быть вызываемым.
`var_list`	Необязательный список или кортеж объектов `tf.Variable` для обновления с целью минимизации `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, попытаться разместить градиенты вместе с соответствующей операцией.
`grad_loss`	Необязательно. Объект `Tensor`, содержащий градиент, вычисленный для `loss`.

Возвращает
Список пар (градиент, переменная). Переменная всегда присутствует, но градиент может быть `None`.

Возможные исключения
`TypeError`	Если `var_list` содержит что-либо кроме объектов `Variable`.
`ValueError`	Если некоторые аргументы недействительны.
`RuntimeError`	Если вызвана при включённом режиме Eager выполнения, а `loss` не является вызываемым объектом.

Совместимость с режимом Eager

При включённом режиме Eager выполнения gate_gradients, aggregation_method, и colocate_gradients_with_ops игнорируются.

`get_name`

Просмотреть исходный код

get_name()

`get_slot`

Просмотреть исходный код

get_slot(
    *args, **kwargs
)

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 объектам Variable в случае необходимости.

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

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

Возвращает
Объект `Variable` для слота, если он был создан, `None` в противном случае.

`get_slot_names`

Просмотреть исходный код

get_slot_names(
    *args, **kwargs
)

Возвращает список имён слотов, созданных оптимизатором Optimizer.

См. get_slot().

Возвращает
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 комбинирует 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`	Объект `Tensor`, содержащий значение для минимизации.
`global_step`	Необязательный `Variable` для инкремента на единицу после обновления переменных.
`var_list`	Необязательный список или кортеж объектов `Variable` для обновления с целью минимизации `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, попытаться разместить градиенты вместе с соответствующей операцией.
`name`	Необязательное имя для возвращаемой операции.
`grad_loss`	Необязательно. Объект `Tensor`, содержащий градиент, вычисленный для `loss`.

Возвращает
Операция, обновляющая переменные в `var_list`. Если `global_step` не было `None`, эта операция также увеличивает `global_step`.

Возможные исключения
`ValueError`	Если некоторые переменные не являются объектами `Variable`.

Совместимость с режимом Eager

При включённом режиме Eager выполнения loss должен быть Python-функцией без аргументов, вычисляющей значение для минимизации. Минимизация (и вычисление градиентов) производится относительно элементов var_list если они 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 режиме Eager выполнения.

`variables`

Просмотреть исходный код

variables()

Список переменных, которые кодируют текущее состояние Optimizer.

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

class="responsive fixed orange">

Возвращаемое значение
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/DropStaleGradientOptimizer