Tensorflow kodlarının çoğunda, Adam Optimizer’ın sabit bir Öğrenme Hızı 1e-4
(yani 0.0001) ile kullanıldığını gördüm . Kod genellikle aşağıdakilere bakar:
...build the model...
# Add the optimizer
train_op = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
# Add the ops to initialize variables. These will include
# the optimizer slots added by AdamOptimizer().
init_op = tf.initialize_all_variables()
# launch the graph in a session
sess = tf.Session()
# Actually intialize the variables
sess.run(init_op)
# now train your model
for ...:
sess.run(train_op)
Adam optimizer kullanırken üstel bozulma kullanmanın yararlı olup olmadığını merak ediyorum, yani aşağıdaki kodu kullanın:
...build the model...
# Add the optimizer
step = tf.Variable(0, trainable=False)
rate = tf.train.exponential_decay(0.15, step, 1, 0.9999)
optimizer = tf.train.AdamOptimizer(rate).minimize(cross_entropy, global_step=step)
# Add the ops to initialize variables. These will include
# the optimizer slots added by AdamOptimizer().
init_op = tf.initialize_all_variables()
# launch the graph in a session
sess = tf.Session()
# Actually intialize the variables
sess.run(init_op)
# now train your model
for ...:
sess.run(train_op)
Genellikle, insanlar bir tür öğrenme hızı azalması kullanırlar, çünkü Adam çok nadir görünüyor. Bunun teorik bir nedeni var mı? Adam optimizer'ı çürüme ile birleştirmek faydalı olabilir mi?
global_step
parametresini kullanın minimize
. Düzenlemeye bakınız.
1e-4
= 0.0001
değil 0.0004
.