tf.train.AdamOptimizer()函数解析

欢迎关注WX公众号：【程序员管小亮】

tf.train.AdamOptimizer()函数是Adam优化算法：是一个寻找全局最优点的优化算法，引入了二次方梯度校正。

tf.train.AdamOptimizer.__init__(
	learning_rate=0.001, 
	beta1=0.9, 
	beta2=0.999, 
	epsilon=1e-08, 
	use_locking=False, 
	name='Adam'
)

参数：

• learning_rate：张量或浮点值。学习速率
• beta1：一个浮点值或一个常量浮点张量。一阶矩估计的指数衰减率
• beta2：一个浮点值或一个常量浮点张量。二阶矩估计的指数衰减率
• epsilon：数值稳定性的一个小常数
• use_locking：如果True，要使用lock进行更新操作
• `name``：应用梯度时为了创建操作的可选名称。默认为“Adam”

本质上是带有动量项的RMSprop，它利用梯度的一阶矩估计和二阶矩估计动态调整每个参数的学习率。

Adam的优点主要在于经过偏置校正后，每一次迭代学习率都有个确定范围，使得参数比较平稳。

python课程推荐。

参考文章：

tensorflow Optimizers