热门标签
热门文章
- 1C# 利用 UI 自动化框架与应用程序的用户界面进行交互来模拟点击按钮_c# ui自动化
- 2python爬取携程旅行网景点评论_携程评论爬取
- 3AIGC基于文本生成音乐，现在压力来到配乐行业这边｜Github
- 4写一个判素数的函数，在主函数输入一个整数，输出是否为素数的信息_编写一个判定素数的函数,在主函数输入一个整数
- 55G移动通信网络整体架构_5g网络架构
- 6ZA303学习笔记九部署和管理Azure计算资源 Azure AD/配置MFA_微信小程序跟azure ad mfa
- 7文本数据清洗：去除噪声，提升模型性能_给文本去噪
- 8C语言 基本数据类型及大小
- 9Stable Diffusion WebUI 中文提示词插件 sd-webui-prompt-all-in-one
- 10python爬虫豆瓣读书top250+数据清洗+数据库+Java后端开发+Echarts数据可视化(一)_基于爬虫,数据清洗,echars数据可视化的项目
当前位置: article > 正文
tf.keras.optimizers 常用的优化器
作者：繁依Fanyi0 | 2024-05-08 02:00:49
赞
踩
tf.keras.optimizers
SGD
tf.keras.optimizers.SGD(lr=0.01, momentum=0.0, decay=0.0, nesterov=False)随机梯度下降法，支持动量参数，支持学习衰减率，支持Nesterov动量
-
lr：大或等于0的浮点数，学习率
-
momentum：大或等于0的浮点数，动量参数
-
decay：大或等于0的浮点数，每次更新后的学习率衰减值
-
nesterov：布尔值，确定是否使用Nesterov动量
RMSprop
tf.keras.optimizers.RMSprop(lr=0.001, rho=0.9, epsilon=1e-06)
除学习率可调整外，建议保持优化器的其他默认参数不变
该优化器通常是面对递归神经网络时的一个良好选择
-
lr：大或等于0的浮点数，学习率
-
rho：大或等于0的浮点数
-
epsilon：大或等于0的小浮点数，防止除0错误
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/552299
推荐阅读
相关标签
