tf.compat.v1.train.GradientDescentOptimizer

Оптимизатор, реализующий алгоритм градиентного спуска.

Наследуется от: Optimizer

tf.compat.v1.train.GradientDescentOptimizer(
    learning_rate, use_locking=False, name='GradientDescent'
)

Аргументы
`learning_rate`	Tensor или число с плавающей точкой. Скорость обучения.
`use_locking`	Если True, использовать блокировки для операций обновления.
`name`	Необязательное префиксное имя для операций, созданных при применении градиентов. По умолчанию "GradientDescent".

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), возвращаемых функцией `compute_gradients()`.
`global_step`	Необязательный счётчик, который увеличивается на единицу после обновления переменных.
`name`	Необязательное имя возвращаемой операции. По умолчанию имя, переданное конструктору `Optimizer`.

Возвращает
Операция, применяющая указанные градиенты. Если счётчик `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 Tensor, IndexedSlices, или None если для данной переменной нет градиента.

Аргументы
`loss`	Tensor, содержащий значение для минимизации, или вызываемая функция без аргументов, которая возвращает значение для минимизации. При включённом режиме eager execution должна быть вызываемой функцией.
`var_list`	Необязательный список или кортеж переменных `tf.Variable` для обновления, 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 комбинирования градиентных слагаемых. Действительные значения определены в классе `AggregationMethod`.
`colocate_gradients_with_ops`	Если True, попытаться разместить градиенты совместно с соответствующей операцией.
`grad_loss`	Необязательно. Tensor, содержащий градиент, вычисленный для `loss`.

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

Исключения
`TypeError`	Если `var_list` содержит что-то кроме объектов `Variable`.
`ValueError`	Если некоторые аргументы неверны.
`RuntimeError`	Если вызов выполнен с включённым 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 оптимизаторов используют дополнительные переменные. Например, Momentum и Adagrad используют переменные для накопления обновлений. Этот метод позволяет получить доступ к этим объектам переменных, 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.

Возвращает
Переменная для слота, если она была создана, `None` в противном случае.

`get_slot_names`

Просмотреть исходный код

get_slot_names()

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 объединяет вызовы compute_gradients() и apply_gradients(). Если нужно обработать градиент перед его применением, вызовите compute_gradients() и apply_gradients() явно вместо использования этой функции.

Аргументы
`loss`	Tensor, содержащий значение для минимизации.
`global_step`	Необязательный счётчик, который увеличивается на единицу после обновления переменных.
`var_list`	Необязательный список или кортеж объектов переменных для обновления, 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 комбинирования градиентных слагаемых. Действительные значения определены в классе `AggregationMethod`.
`colocate_gradients_with_ops`	Если True, попытаться разместить градиенты совместно с соответствующей операцией.
`name`	Необязательное имя для возвращаемой операции.
`grad_loss`	Необязательно. Tensor, содержащий градиент, вычисленный для `loss`.

Возвращает
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 `Variable`.

Совместимость с Eager execution

При включённом eager execution loss должна быть Python-функцией без аргументов, вычисляющей значение для минимизации. Минимизация (и вычисление градиента) выполняется по отношению к элементам var_list если оно не равно None, иначе по отношению к любым обучаемым переменным, созданным 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, которые кодируют текущее состояние Optimizer.

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

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/r2.3/api_docs/python/tf/compat/v1/train/GradientDescentOptimizer