tensorflow基础【8】-优化器

优化器可以通俗的理解成梯度下降那一套流程。

梯度下降

基本流程

a. 损失函数

b. 求导，计算梯度

c. 更新参数

d. 迭代下一批样本

可以对照着理解tf。

tf 优化器

正常使用流程

a. 创建优化器(也就是选择优化方法，只是选择方法，其他什么也没做)

b. 指定损失函数和可优化参数

c. minimize最小化损失函数，这步包含两个操作，首先计算梯度，然后更新参数

以tf基本优化器，也就是梯度下降为例

optimizer = tf.train.GradientDescentOptimizer(learning_rate)　　　　  # 优化器
global_step = tf.Variable(0, name='global_step', trainable=False)　  # 记录全局训练步骤
train_op = optimizer.minimize(loss, global_step=global_step)　　　　  # 最小化损失函数，包括计算梯度，更新参数，记录训练次数

注意tf中学习率可以是tensor， 也就是说它可被feed。

tf 人工实现梯度下降

a. 计算梯度 

b. 人工处理梯度 

c. 优化参数

也就是把minimize拆开

# 创建一个optimizer.
opt = GradientDescentOptimizer(learning_rate=0.1)

# 计算<list of variables>相关的梯度
grads_and_vars = opt.compute_gradients(loss, <list of variables>)
# grads_and_vars为tuples (gradient, variable)组成的列表。

#对梯度进行想要的处理，比如cap处理
capped_grads_and_vars = [(MyCapper(gv[0]), gv[1]) for gv in grads_and_vars]

# 令optimizer运用capped的梯度(gradients)
opt.apply_gradients(capped_grads_and_vars)

优化器API详解

API	描述
tf.train.Optimizer	tf中优化器是个家族，Optimizer是个基类，一般不用 用的是它的子类 GradientDescentOptimizer, AdagradOptimizer，MomentumOptimizer等等
tf.train.Optimizer.__init__(use_locking, name)	初始化
tf.train.Optimizer.minimize(loss,  global_step=None,  var_list=None, gate_gradients=1,  aggregation_method=None, colocate_gradients_with_ops=False,  name=None, grad_loss=None)	最小化损失函数，返回更新后的参数列表 global_step 为迭代次数，如果不为None，它的值会自增 var_list 为参数列表， 此步包含计算梯度和更新参数两步，也就是下面两个API
tf.train.Optimizer.compute_gradients(loss, var_list=None, gate_gradients=1, aggregation_method=None,  colocate_gradients_with_ops=False, grad_loss=None)	计算梯度，只是求导，没做其他的，返回（梯度，变量）的tuples loss是损失函数 var_list 是参数列表，基于loss对这些参数求导 其他版本 tf.gradients
tf.train.Optimizer.apply_gradients(grads_and_vars, global_step=None, name=None)	将梯度应用到变量上，更新参数， 返回一个应用指定梯度的操作Operation，并对global_step做自增操作
tf.train.Optimizer.get_name()	获取名称

并发性参数

调试函数（高级API）

子类优化器

tf.train.GradientDescentOptimizer　　　　梯度下降

tf.train.MomentumOptimizer　　　　　　  动量梯度下降

tf.train.AdadeltaOptimizer

tf.train.AdagradOptimizer

tf.train.AdamOptimizer

tf.train.FtrlOptimizer

tf.train.RMSPropOptimizer

参考资料

http://www.cnblogs.com/hellcat/p/7041433.html

http://www.360doc.com/content/18/0505/10/54605916_751286822.shtml

https://www.cnblogs.com/wuzhitj/p/6648641.html

https://blog.csdn.net/hustqb/article/details/80302726