В большинстве кодов Tensorflow, которые я видел, используется Adam Optimizer с постоянной скоростью обучения 1e-4
(т.е. 0,0001). Код обычно выглядит следующим образом:
...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)
Мне интересно, полезно ли использовать экспоненциальный спад при использовании оптимизатора Адама, т.е. использовать следующий код:
...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)
Обычно люди используют какое-то снижение скорости обучения, для Адама это кажется необычным. Есть ли теоретическая причина для этого? Может ли быть полезным объединить оптимизатор Адама с затуханием?
global_step
параметр minimize
. Смотрите редактировать.
1e-4
= 0.0001
, нет 0.0004
.