Оптимизаторы

Введение в TensorFlow на Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Как найти минимум

На изображении показан Большой каньон.

¹ Источник: Служба национальных парков США

Как найти минимум

На изображении показан Большой каньон.

¹ Источник: Служба национальных парков США

Как найти минимум

На изображении показан Большой каньон.

¹ Источник: Служба национальных парков США

На рисунке показан путь оптимизаторов SGD, RMS prop и Adam для простой задачи.

Оптимизатор градиентного спуска

Оптимизатор стохастического градиентного спуска (SGD)
- tf.keras.optimizers.SGD()
- learning_rate
Простой и наглядный

Оптимизатор RMS prop

Оптимизатор RMS propagation (RMSprop)
- Применяет разные скорости обучения к каждому признаку
- tf.keras.optimizers.RMSprop()
- learning_rate
- momentum
- decay
Позволяет импульсу как накапливаться, так и затухать

Оптимизатор Adam

Оптимизатор адаптивного момента (Adam)
- tf.keras.optimizers.Adam()
- learning_rate
- beta1
Хорошо работает со значениями параметров по умолчанию

Полный пример

import tensorflow as tf

# Define the model function
def model(bias, weights, features = borrower_features):
    product = tf.matmul(features, weights)
    return tf.keras.activations.sigmoid(product+bias)

# Compute the predicted values and loss
def loss_function(bias, weights, targets = default, features = borrower_features):
    predictions = model(bias, weights)
    return tf.keras.losses.binary_crossentropy(targets, predictions)

# Minimize the loss function with RMS propagation
opt = tf.keras.optimizers.RMSprop(learning_rate=0.01, momentum=0.9)
opt.minimize(lambda: loss_function(bias, weights), var_list=[bias, weights])

Давайте потренируемся!

Введение в TensorFlow на Python