TensorFlow - 优化器

优化器是扩展类，其中包括用于训练特定模型的附加信息。该优化器类使用给定的参数初始化，但重要的是要记住，不需要张量。优化器用于提高特定模型的培训速度和性能。

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
• 具有梯度裁剪的随机梯度下降
• 动量
• Nesterov 动量
• Adagrad
• Adadelta
• RMSProp
• Adam
• Adamax
• SMORMS3

我们将重点关注随机梯度下降。为其创建优化器的说明如下 -

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。在我们的后续章节中，我们将重点关注梯度下降优化，并实施优化器。