tf.compat.v1.train.experimental.MixedPrecisionLossScaleOptimizer

Оптимизатор, применяющий масштабирование потерь.

Наследуется от: Optimizer

tf.compat.v1.train.experimental.MixedPrecisionLossScaleOptimizer(
    opt, loss_scale
)

Масштабирование потерь — это процесс, при котором потери умножаются на множитель, называемый масштабом потерь, а каждый градиент делится на тот же множитель. Псевдокод для этого процесса:

loss = ...
loss *= loss_scale
grads = gradients(loss, vars)
grads /= loss_scale

Математически, масштабирование потерь не оказывает влияния, но может помочь избежать численного переполнения в промежуточных градиентах при использовании тензоров float16 для обучения с смешанной точностью. Умножив потери, каждый промежуточный градиент будет иметь применённый тот же множитель.

Масштаб потерь может быть либо фиксированной константой, выбранной пользователем, либо динамически определён. Динамическое определение масштаба потерь удобно, так как масштаб потерь не нужно выбирать явно. Однако это снижает производительность.

Этот оптимизатор оборачивает другой оптимизатор и применяет масштабирование потерь к нему с помощью LossScale. Масштабирование потерь применяется всякий раз, когда вычисляются градиенты, например, посредством minimize().

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 Operation, который условно применяет градиенты, если все значения градиента конечны. В противном случае обновление не выполняется (и global_step не увеличивается).

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.

Это регулирует динамический диапазон вычисления градиента, увеличивая значение loss. Значения градиентов затем уменьшаются обратно до взаимной величины масштаба потерь. Это полезно при обучении с пониженной точностью, где малые значения градиентов в противном случае могут привести к потере представлений.

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 они вам нужны по какой-либо причине.

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

get_slot_names

Просмотреть исходный код

get_slot_names()

Возвращает список имён слотов, созданных Optimizer.

См. get_slot().

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.

Совместимость с Eager

Когда выполняется eager-вычисление, loss должна быть функцией Python, которая не принимает аргументы и вычисляет значение для минимизации. Минимизация (и вычисление градиента) выполняется относительно элементов var_list , если оно не равно None, иначе относительно всех обучаемых переменных, созданных во время выполнения функции loss . gate_gradients, aggregation_method, colocate_gradients_with_ops и grad_loss игнорируются, когда включено eager-вычисление.

variables

Просмотреть исходный код

variables()

Возвращает переменные оптимизатора.

Переменные класса

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