第七色在线视频,2021少妇久久久久久久久久,亚洲欧洲精品成人久久av18,亚洲国产精品特色大片观看完整版,孙宇晨将参加特朗普的晚宴

為了賬號(hào)安全,請(qǐng)及時(shí)綁定郵箱和手機(jī)立即綁定
已解決430363個(gè)問(wèn)題,去搜搜看,總會(huì)有你想問(wèn)的

tf.estimator.LinearClassifier 輸出權(quán)重解釋

tf.estimator.LinearClassifier 輸出權(quán)重解釋

慕田峪9158850 2021-06-04 19:10:20
我是 tensorflow 和機(jī)器學(xué)習(xí)的新手,我正在經(jīng)典 MNIST 數(shù)據(jù)集上訓(xùn)練 tf.estimator.LinearClassifier。訓(xùn)練過(guò)程結(jié)束后,我正在閱讀輸出權(quán)重和偏差,classifier.get_variable_names()我得到:"['global_step', 'linear/linear_model/bias_weights', 'linear/linear_model/bias_weights/part_0/Adagrad', 'linear/linear_model/pixels/weights', 'linear/linear_model/pixels/weights/part_0/Adagrad']"我的問(wèn)題是:linear/linear_model/bias_weights和之間有什么區(qū)別 linear/linear_model/bias_weights/part_0/Adagrad?它們的大小相同。我能想象的唯一解釋是linear/linear_model/bias_weights和linear/linear_model/bias_weights/part_0/Adagrad分別代表訓(xùn)練過(guò)程開(kāi)始和結(jié)束時(shí)的權(quán)重。但是,我不確定這一點(diǎn),我在網(wǎng)上找不到任何東西。
查看完整描述

1 回答

?
MM們

TA貢獻(xiàn)1886條經(jīng)驗(yàn) 獲得超2個(gè)贊

linear/linear_model/bias_weights 是你訓(xùn)練好的模型權(quán)重。

linear/linear_model/bias_weights/part_0/Adagrad來(lái)自您使用AdaGrad優(yōu)化器。這個(gè)優(yōu)化器的特殊之處在于它保留了過(guò)去梯度的“記憶”,并使用它在每個(gè)訓(xùn)練步驟重新調(diào)整梯度。如果您想了解更多信息(非常數(shù)學(xué)),請(qǐng)參閱AdaGrad 論文
重要的部分是linear/linear_model/bias_weights/part_0/Adagrad存儲(chǔ)這個(gè)“記憶”。它被返回是因?yàn)樗诩夹g(shù)上是tf.Variable您程序中的一個(gè),但它不是您模型中的實(shí)際變量/權(quán)重。只有linear/linear_model/bias_weights是。當(dāng)然,這同樣適用于linear/linear_model/pixels/weights。


查看完整回答
反對(duì) 回復(fù) 2021-06-08
  • 1 回答
  • 0 關(guān)注
  • 288 瀏覽
慕課專(zhuān)欄
更多

添加回答

舉報(bào)

0/150
提交
取消
微信客服

購(gòu)課補(bǔ)貼
聯(lián)系客服咨詢優(yōu)惠詳情

幫助反饋 APP下載

慕課網(wǎng)APP
您的移動(dòng)學(xué)習(xí)伙伴

公眾號(hào)

掃描二維碼
關(guān)注慕課網(wǎng)微信公眾號(hào)