tf.compat.v1.train.ProximalAdagradOptimizer

Оптимизатор, реализующий алгоритм Proximal Adagrad.

Наследуется от: Optimizer

tf.compat.v1.train.ProximalAdagradOptimizer(
    learning_rate, initial_accumulator_value=0.1, l1_regularization_strength=0.0,
    l2_regularization_strength=0.0, use_locking=False, name='ProximalAdagrad'
)

Ссылки:

Adaptive Subgradient Methods for Online Learning and Stochastic Optimization: Duchi et al., 2011 (pdf) Efficient Learning using Forward-Backward Splitting: Duchi et al., 2009 (pdf)

Аргументы
`learning_rate`	Значение типа Tensor или число с плавающей точкой. Скорость обучения.
`initial_accumulator_value`	Число с плавающей точкой. Начальное значение для аккумуляторов, должно быть положительным.
`l1_regularization_strength`	Число с плавающей точкой, должно быть больше или равно нулю.
`l2_regularization_strength`	Число с плавающей точкой, должно быть больше или равно нулю.
`use_locking`	Если `True`, использовать блокировки для операций обновления.
`name`	Необязательное префиксное имя для операций, созданных при применении градиентов. По умолчанию "Adagrad".

Исключения
`ValueError`	Если значение `initial_accumulator_value` некорректно.

Методы

`apply_gradients`

Посмотреть исходный код

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

Применение градиентов к переменным.

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

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

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

Исключения
`TypeError`	Если список `grads_and_vars` имеет неправильный формат.
`ValueError`	Если ни одна из переменных не имеет градиента.
`RuntimeError`	Если необходимо использовать `_distributed_apply()` вместо этого.

`compute_gradients`

Посмотреть исходный код

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

Вычисление градиентов 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, возвращающая это значение. При включённом режиме eager execution это должна быть вызываемая функция.
`var_list`	Необязательный список или кортеж `tf.Variable` для обновления, чтобы минимизировать `loss`. По умолчанию список переменных, собранных в графе под ключом `GraphKeys.TRAINABLE_VARIABLES`.
`gate_gradients`	Как управлять вычислением градиентов. Может быть `GATE_NONE`, `GATE_OP`, или `GATE_GRAPH`.
`aggregation_method`	Указывает метод комбинирования градиентов. Допустимые значения определены в классе `AggregationMethod`.
`colocate_gradients_with_ops`	Если True, попытаться разместить градиенты вместе с соответствующей операцией.
`grad_loss`	Необязательно. Tensor, хранящий вычисленный для `loss` градиент.

Возвращаемое значение
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 некорректны.
`RuntimeError`	Если вызов производится с включённым режимом eager execution, а `loss` не является вызываемой функцией.

Совместимость с Eager

Когда включён режим eager execution, gate_gradients, aggregation_method, и colocate_gradients_with_ops игнорируются.

`get_name`

Посмотреть исходный код

get_name()

`get_slot`

Посмотреть 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 предоставляет доступ к этим дополнительным объектам, если они нужны.

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

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

Возвращаемое значение
Слот с указанным именем, если он был создан, иначе `None`.

`get_slot_names`

Посмотреть исходный код

get_slot_names()

Возвращает список имён слотов, созданных Optimizer.

См. get_slot().

Возвращаемое значение
Список строк.

`minimize`

Посмотреть 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 объединяет вызовы compute_gradients() и apply_gradients(). Если необходимо 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 `Variable` для обновления, чтобы минимизировать `loss`. По умолчанию список переменных, собранных в графе под ключом `GraphKeys.TRAINABLE_VARIABLES`.
`gate_gradients`	Как управлять вычислением градиентов. Может быть `GATE_NONE`, `GATE_OP`, или `GATE_GRAPH`.
`aggregation_method`	Указывает метод комбинирования градиентов. Допустимые значения определены в классе `AggregationMethod`.
`colocate_gradients_with_ops`	Если True, попытаться разместить градиенты вместе с соответствующей операцией.
`name`	Необязательное имя возвращаемой операции.
`grad_loss`	Необязательно. Tensor, хранящий вычисленный для `loss` градиент.

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

Исключения
`ValueError`	Если некоторые переменные не являются объектами `Variable`.

Совместимость с Eager

При включённом режиме выполнения eager, loss должна быть функцией Python, которая не принимает аргументы и вычисляет значение, подлежащее 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 при включённом режиме eager.

`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.

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