TensorFlow的梯度优化的两种方式(minimize或apply_gradients函数)

先创建一个优化器对象,eg:optimizer = tf.train.AdagradOptimizer(learning_rate),这里的Adagrad是一种优化算法,还有其他的优化器

(1)直接用优化器对象自带的优化方式:optimizer_op = optimizer.minimize(cost),cost是损失函数

minimize()操作可以计算出梯度,并且将梯度作用在变量上

(2)如果有自己处理梯度的方式,则可以按照这三步骤使用optimizer :使用函数tf.gradients()计算梯度按照自己的愿望处理梯度,比如用tf.clip_by_global_norm()函数来控制梯度修改的范围使用函数apply_gradients()应用处理过后的梯度。

 

  • 4
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

若初雪舞

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值