tf.compat.v1.mixed_precision.MixedPrecisionLossScaleOptimizer

Оптимизатор, применяющий масштабирование потерь.

Наследуется от: Optimizer

tf.compat.v1.mixed_precision.MixedPrecisionLossScaleOptimizer(
    opt, loss_scale
)

Масштабирование потерь — это процесс умножения потерь на множитель, называемый масштабом потерь, и деления каждого градиента на тот же множитель. Псевдокод для этого процесса:

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

Математически, масштабирование потерь не влияет, но может помочь избежать численного подсчёта промежуточных градиентов при использовании тензоров float16 для обучения с смешанной точностью. Умножая потери, каждый промежуточный градиент будет иметь применённый тот же множитель.

Масштаб потерь может быть либо фиксированной константой, выбранной пользователем, либо определяться динамически. 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 через LossScale. Масштабирование потерь применяется всякий раз, когда вычисляются градиенты, например, через 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 градиентов 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 оценки градиента, увеличивая значение loss. Значения градиента затем уменьшаются обратно на обратную величину масштаба потерь. Это полезно в обучении с уменьшенной точностью, где малые значения градиента в противном случае будут подсчитаны.

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 по какой-то причине они нужны.

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 оптимизатором 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
)

Добавить операции для минимизации loss путём обновления var_list.

Этот метод просто объединяет 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

При включенном выполнении в режиме Eager, loss должен быть Python-функцией без аргументов, которая вычисляет 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 включенном выполнении в режиме Eager.

variables

Просмотреть исходный код

variables()

Возвращает переменные оптимизатора.