Python tf.compat.v1.tpu.experimental.StochasticGradientDescentParameters用法及代码示例

TPU 嵌入的随机梯度下降的优化参数。

用法

tf.compat.v1.tpu.experimental.StochasticGradientDescentParameters(
    learning_rate:float,
    clip_weight_min:Optional[float] = None,
    clip_weight_max:Optional[float] = None,
    weight_decay_factor:Optional[float] = None,
    multiply_weight_decay_factor_by_learning_rate:Optional[bool] = None,
    clip_gradient_min:Optional[float] = None,
    clip_gradient_max:Optional[float] = None
)

参数

learning_rate 一个浮点值。学习率。
clip_weight_min 要裁剪的最小值；无意味着-无穷大。
clip_weight_max 要裁剪的最大值；无意味着+无穷大。
weight_decay_factor 要应用的重量衰减量； None 表示权重没有衰减。
multiply_weight_decay_factor_by_learning_rate 如果为真，weight_decay_factor 将乘以当前学习率。
clip_gradient_min 要裁剪的最小值；无意味着-无穷大。
clip_gradient_max 要裁剪的最大值；无意味着+无穷大。

通过 optimization_parameters 参数将此传递给 tf.estimator.tpu.experimental.EmbeddingConfigSpec 以设置优化器及其参数。有关更多详细信息，请参阅tf.estimator.tpu.experimental.EmbeddingConfigSpec 的文档。

estimator = tf.estimator.tpu.TPUEstimator(
    ...
    embedding_config_spec=tf.estimator.tpu.experimental.EmbeddingConfigSpec(
        ...
        optimization_parameters=(
            tf.tpu.experimental.StochasticGradientDescentParameters(0.1))))

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.compat.v1.tpu.experimental.StochasticGradientDescentParameters。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。