TensorFlow - 优化器

优化器是扩展类，包括用于训练特定模型的附加信息.优化器类使用给定的参数进行初始化，但重要的是要记住不需要Tensor.优化器用于提高训练特定模型的速度和性能.

TensorFlow的基本优化器是 :

tf.train.Optimizer

此类在tensorflow/python/training/optimizer.py的指定路径中定义.

以下是Tensorflow中的一些优化器 :

• 随机梯度下降

• 带梯度剪裁的随机梯度下降

• 动量

• Nesterov势头

• Adagrad

• Adadelta

• RMSProp

• Adam

• Adamax

• SMORMS3

我们将专注于随机梯度下降.下面提到了创建优化器的插图 :

def sgd(cost, params, lr = np.float32(0.01)):   g_params = tf.gradients(cost, params)   updates = []      for param, g_param in zip(params, g_params):      updates.append(param.assign(param - lr*g_param))   return updates

基本参数在特定函数中定义.在随后的章节中，我们将重点关注梯度下降优化和优化器的实现.