tf.contrib.opt.ElasticAverageOptimizer

Оборачивающий оптимизатор, реализующий алгоритм Elastic Average SGD.

Наследуется от: Optimizer

tf.contrib.opt.ElasticAverageOptimizer(
    opt, num_worker, ea_custom_getter, communication_period=10, moving_rate=None,
    rho=None, use_locking=True, synchronous=False, name='ElasticAverageOptimizer'
)

Это асинхронный оптимизатор. Во время обучения каждый рабочий процесс обновляет локальные переменные и сохраняет собственную локальную итерацию, которая начинается с 0 и увеличивается на 1 после каждого обновления локальных переменных. Всякий раз, когда период коммуникации делится на локальную итерацию, рабочий процесс запрашивает текущие глобальные переменные центра и вычисляет эластичное различие между глобальными переменными центра и локальными переменными. Эластичное различие затем используется для обновления как локальных, так и глобальных переменных.

Методы

apply_gradients

Просмотреть исходный код

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

Применить градиенты к глобальным переменным.

Это вторая часть minimize(). Она возвращает Operation, который применяет градиенты.

compute_gradients

Просмотреть исходный код

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

Вычислить градиенты loss для переменных в var_list.

Добавить rho*elastic_difference к функции потерь для управления исследованием. Это первая часть minimize(). Она возвращает список пар (градиент, переменная), где «градиент» — градиент для «переменной». Обратите внимание, что «градиент» может быть Tensor, IndexedSlices, или None, если для данной переменной нет градиента.

get_init_op

Просмотреть исходный код

get_init_op(
    task_index
)

Возвращает операцию, позволяющую всем локальным переменным и локальным переменным центра быть равными глобальным переменным центра перед началом обучения.

переменных равными глобальным переменным центра перед началом обучения

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 Variable объектам, если вам это необходимо.

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

get_slot_names

Просмотреть исходный код

get_slot_names()

Возвращает список имён слотов, созданных Optimizer.

См. get_slot().

make_session_run_hook

Просмотреть исходный код

make_session_run_hook(
    is_chief, task_index
)

Создаёт хук для обработки операций ElasticAverageOptimizerHook, таких как инициализация.

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
)

Добавляет операции для минимизации loss путём обновления var_list.

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

Жадный режим совместимости

При включенном жадном выполнении loss должна быть функция Python, которая не принимает аргументов и вычисляет значение, подлежащее минимизации. Минимизация (и вычисление градиента) выполняется относительно элементов var_list, если оно не равно None, иначе относительно любых обучаемых переменных, созданных во время выполнения функции loss. gate_gradients, aggregation_method, colocate_gradients_with_ops и grad_loss игнорируются при включенном жадном выполнении.

swapping_saver

Просмотреть исходный код

swapping_saver(
    var_list=None, name='swapping_saver', **kwargs
)

Создать копию сохраненной переменной global_center_variable в обучаемые переменные

Пожалуйста, вызовите эту функцию после создания всех ваших переменных с помощью ElasticAverageCustomGetter. Для оценки или вывода используйте этот сохраненный объект во время обучения. Он сохранит global_center_variable обученных параметров под оригинальными именами параметров. Аргументы: var_list: Список переменных для сохранения, в соответствии с Saver(). Если установлено в None, сохраните все обучаемые переменные, которые были созданы до этого вызова. name: Имя сохраненного объекта. **kwargs: Параметры ключевого слова Saver().

variables

Просмотреть исходный код

variables()

Список переменных, кодирующих текущее состояние Optimizer.

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

Переменные класса

• BETA = 0.9
• GATE_GRAPH = 2
• GATE_NONE = 0
• GATE_OP = 1