zoukankan      html  css  js  c++  java
  • TensorFlow Training 优化函数

    tf.train 提供了一组帮助训练模型的类和函数。

    优化器

    优化器基类提供了计算渐变的方法,并将渐变应用于变量。子类的集合实现了经典的优化算法,如 GradientDescent和Adagrad。

    您永远不会实例化优化器类本身,而是实例化其中一个子类。

    • tf.train.Optimizer
    • tf.train.GradientDescentOptimizer
    • tf.train.AdadeltaOptimizer
    • tf.train.AdagradOptimizer
    • tf.train.AdagradDAOptimizer
    • tf.train.MomentumOptimizer
    • tf.train.AdamOptimizer
    • tf.train.FtrlOptimizer
    • tf.train.ProximalGradientDescentOptimizer
    • tf.train.ProximalAdagradOptimizer
    • tf.train.RMSPropOptimizer

    梯度计算

    TensorFlow 提供了计算给定 TensorFlow 计算图的导数的函数,并将运算添加到图中。优化器类自动在您的关系图上计算派生,但是新的优化或专家用户的创建者可以调用下面的低级函数。

    • tf.gradients
    • tf.AggregationMethod
    • tf.stop_gradient
    • tf.hessians

    梯度剪辑

    TensorFlow 提供了几种操作,您可以使用它们为您的图形添加剪切功能。您可以使用这些功能执行一般的数据剪辑,但它们对于处理已推翻或消失的渐变特别有用。

    • tf.clip_by_value
    • tf.clip_by_norm
    • tf.clip_by_average_norm
    • tf.clip_by_global_norm
    • tf.global_norm

    降低学习率

    • tf.train.exponential_decay
    • tf.train.inverse_time_decay
    • tf.train.natural_exp_decay
    • tf.train.piecewise_constant
    • tf.train.polynomial_decay

    移动平均线

    一些训练算法,例如 GradientDescent 和动量,通常会在优化过程中保持变量的移动平均值而受益。使用移动平均值进行评估通常会显著改善结果。

    • tf.train.ExponentialMovingAverage

    协调员和 QueueRunner

    有关如何使用线程和队列的操作,请参见线程和队列。有关队列 API 的文档,请参见队列。

    • tf.train.Coordinator
    • tf.train.QueueRunner
    • tf.train.LooperThread
    • tf.train.add_queue_runner
    • tf.train.start_queue_runners

    分布式执行

    分布式执行
    有关如何配置分布式 TensorFlow 程序的详细信息,请参阅分布式 TensorFlow。

    • tf.train.Server
    • tf.train.Supervisor
    • tf.train.SessionManager
    • tf.train.ClusterSpec
    • tf.train.replica_device_setter
    • tf.train.MonitoredTrainingSession
    • tf.train.MonitoredSession
    • tf.train.SingularMonitoredSession
    • tf.train.Scaffold
    • tf.train.SessionCreator
    • tf.train.ChiefSessionCreator
    • tf.train.WorkerSessionCreator

    从事件文件中读取摘要

    有关摘要、事件文件和 TensorBoard 中的可视化的概述,请参见摘要和 TensorBoard。

    • tf.train.summary_iterator

    Training Hooks

    Hooks 是在模型的训练/评估过程中运行的工具:

    • tf.train.SessionRunHook
    • tf.train.SessionRunArgs
    • tf.train.SessionRunContext
    • tf.train.SessionRunValues
    • tf.train.LoggingTensorHook
    • tf.train.StopAtStepHook
    • tf.train.CheckpointSaverHook
    • tf.train.NewCheckpointReader
    • tf.train.StepCounterHook
    • tf.train.NanLossDuringTrainingError
    • tf.train.NanTensorHook
    • tf.train.SummarySaverHook
    • tf.train.GlobalStepWaiterHook
    • tf.train.FinalOpsHook
    • tf.train.FeedFnHook

    Training 工具

      • tf.train.global_step
      • tf.train.basic_train_loop
      • tf.train.get_global_step
      • tf.train.assert_global_step
      • tf.train.write_graph
  • 相关阅读:
    node起本地服务器以及实现代理,前端接口转发
    一键前端代理,一行命令开启nginx容器,代理前端页面
    go语言学习笔记
    patch需要数据格式前端算法,patch算法基础,两个对象对比取差异属性
    react-native中使用Echarts,自己使用WebView封装Echarts经验
    如何用js自己实现Animate运动函数
    vue中的表单异步校验方法封装
    Entity Framework6使用SQL Server Compact免安装部署
    WCF异常传播
    解决.net的堆碎片化带来的内存占用过大的问题
  • 原文地址:https://www.cnblogs.com/tsdblogs/p/10407213.html
Copyright © 2011-2022 走看看