gradient-descent

1зной

1ответ

Как отключить импульс в определенном слое в тензорном потоке?

У меня есть нейронная сеть с тремя скрытыми слоями, которую можно обучить «чистым» градиентным спуском или с помощью более сложных методов. Я также заметил, что в моей проблеме методы оптимизации на о

machine-learning tensorflow gradient-descent 2016-11-24

---

0зной

1ответ

Обходные решения для редких обновлений, основанных на gpu-gradient, которые обходят SparseApply * - есть ли в тензорном потоке?

Для того, чтобы начать с некоторым контекстом: SparseApply* операторы не реализованы для GPU (от 0,11) Этого ОПСА необходимы, чтобы использовать импульс и ADAM и различные другие оптимизаторы градиент

tensorflow gradient-descent 2016-11-28

---

6зной

1ответ

Scipy разреженная матрица CSR для TensorFlow SparseTensor - мини-пакетный градиентный спуск

У меня есть Scipy разреженная матрица CSR, созданная из разреженной матрицы функций TF-IDF в формате SVM-Light. Количество функций огромно и мало разрешено, поэтому я должен использовать SparseTensor,

scipy tensorflow sparse-matrix gradient-descent 2016-11-30

---

0зной

1ответ

Градиентный спуск расходится, уровень обучения слишком высокий

Ниже приведен фрагмент кода, который делает GD шаг за шагом, но тета расходится. Что может быть неправильным? X = arange(100) Y = 50 + 4*X + uniform(-20, 20, X.shape) theta = array([0,0]) alpha =

python-3.x gradient-descent 2016-12-14

---

2зной

2ответ

Java-реализация многомерного градиентного спуска

Я пытаюсь реализовать многомерный алгоритм спуска градиента в Java (с курса курсовой механики), и я не могу понять, где ошибка, обнаруженная в моем коде. Это выход ниже программы: Before train: parame

java machine-learning gradient-descent 2016-12-14

---

1зной

1ответ

Gradient Спуск по логарифмической кривой спада в Python

Я хочу, чтобы запустить градиентный спуск по логарифмической кривой спада, как представлено: у = у0 - а * п (Ь + х). Мой y0 для этого примера: 800 Я пытался сделать это с помощью частных производных п

python numpy machine-learning integral gradient-descent 2016-12-15

---

0зной

1ответ

Как пороговые значения модели sklearn SGDClassifier относятся к оценке модели?

Я подготовил модель и определил «порог», в который я хотел бы развернуть его, но мне трудно понять, как порог относится к оценке. X = labeled_data[features].reset_index(drop=True) Y = np.array(labele

python scikit-learn classification gradient-descent 2016-12-15

---