Optimizers

TensorFlow เบื้องต้นใน Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

การหาจุดต่ำสุด

ภาพแสดง Grand Canyon

¹ ที่มา: U.S. National Park Service

การหาจุดต่ำสุด

ภาพแสดง Grand Canyon

¹ ที่มา: U.S. National Park Service

การหาจุดต่ำสุด

ภาพแสดง Grand Canyon

¹ ที่มา: U.S. National Park Service

กราฟแสดงเส้นทางการเรียนรู้ของ optimizer แบบ SGD, RMSprop และ Adam สำหรับปัญหาอย่างง่าย

Gradient descent optimizer

Stochastic gradient descent (SGD) optimizer
- tf.keras.optimizers.SGD()
- learning_rate
เรียบง่ายและตีความได้ง่าย

RMS prop optimizer

Root mean squared (RMS) propagation optimizer
- ปรับ learning rate แยกตามแต่ละฟีเจอร์
- tf.keras.optimizers.RMSprop()
- learning_rate
- momentum
- decay
รองรับทั้งการสะสมและการลดลงของ momentum

Adam optimizer

Adaptive moment (adam) optimizer
- tf.keras.optimizers.Adam()
- learning_rate
- beta1
ทำงานได้ดีด้วยค่าพารามิเตอร์เริ่มต้น

ตัวอย่างแบบครบถ้วน

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])

มาฝึกกันเถอะ!

TensorFlow เบื้องต้นใน Python