Python tf.tpu.experimental.embedding.SGD用法及代碼示例

TPU 嵌入的隨機梯度下降的優化參數。

用法

tf.tpu.experimental.embedding.SGD(
    learning_rate:Union[float, Callable[[], float]] = 0.01,
    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:bool = None,
    clipvalue:Optional[ClipValueType] = None
)

參數

learning_rate 學習率。它應該是一個浮點值或一個不帶參數的可調用動態學習率。
clip_weight_min 要裁剪的最小值；無意味著-無窮大。
clip_weight_max 要裁剪的最大值；無意味著+無窮大。
weight_decay_factor 要應用的重量衰減量； None 表示權重沒有衰減。每一步都通過將權重乘以該因子來衰減權重。
multiply_weight_decay_factor_by_learning_rate 如果為真，weight_decay_factor 將乘以當前學習率。
clipvalue 控製漸變的剪裁。設置為單個正標量值以獲取剪裁，或者設置為一組標量值(最小值、最大值)以設置單獨的最大值或最小值。如果兩個條目之一為無，則不會裁剪該方向。請注意，如果設置了此項，您可能會看到性能下降，因為將啟用梯度累積(SGD 通常關閉，因為它對準確性沒有影響)。有關梯度累積及其對 tpu 嵌入的影響的更多信息，請參閱“tensorflow/core/protobuf/tpu/optimization_parameters.proto”。

通過 optimizer 參數將此傳遞給 tf.tpu.experimental.embedding.TPUEmbedding 以設置全局優化器及其參數：

embedding = tf.tpu.experimental.embedding.TPUEmbedding(
    ...
    optimizer=tf.tpu.experimental.embedding.SGD(0.1))

這也可以在tf.tpu.experimental.embedding.TableConfig 中用作優化器參數來設置特定於表的優化器。這將覆蓋上麵定義的全局嵌入優化器的優化器和參數：

table_one = tf.tpu.experimental.embedding.TableConfig(
    vocabulary_size=...,
    dim=...,
    optimizer=tf.tpu.experimental.embedding.SGD(0.2))
table_two = tf.tpu.experimental.embedding.TableConfig(
    vocabulary_size=...,
    dim=...)

feature_config = (
    tf.tpu.experimental.embedding.FeatureConfig(
        table=table_one),
    tf.tpu.experimental.embedding.FeatureConfig(
        table=table_two))

embedding = tf.tpu.experimental.embedding.TPUEmbedding(
    feature_config=feature_config,
    batch_size=...
    optimizer=tf.tpu.experimental.embedding.SGD(0.1))

在上麵的示例中，將在學習率為 0.2 的表中查找第一個特征，而將在學習率為 0.1 的表中查找第二個特征。

有關這些參數及其對優化器算法的影響的完整說明，請參閱“tensorflow/core/protobuf/tpu/optimization_parameters.proto”。

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.tpu.experimental.embedding.SGD。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。