variance_reduced_neural_networks:深度学习主题的 SVRG 和 SAGA 优化算法的实现-源码

上传者: 42131276 | 上传时间: 2021-08-25 17:41:45 | 文件大小: 262KB | 文件类型: ZIP
随机方差减少算法:深度学习的 SVRG 和 SAGA 优化算法的实现。 随机梯度 (SGD) 是通过神经网络进行反向传播最常用的优化算法,因为它的成本比梯度下降要小。 但是,它的收敛速度非常慢,并且需要降低学习率才能收敛。 2013 年和 2014 年,出现了两种新的“混合算法”。 随机方差减少梯度 (SVRG) 和随机平均梯度增强 (SAGA) 是混合体,因为它们使用梯度的无偏估计,但它们的方差正在消失。 这两种算法具有指数收敛速度。 虽然它们的行为以机器学习目的而闻名,但它们并不用于深度学习主题。 例如,您现在可以在 scikit 学习库 ( ) 中使用 SAGA 对于这个项目,我想对这些算法进行编码以用于深度学习。 我已经使用 PyTorch 框架对这些算法进行了编码。 用法:此代码是用 Python3 编写的,我使用了 jupyter notebook。 您将需要下载以下

文件下载

资源详情

[{"title":"( 5 个子文件 262KB ) variance_reduced_neural_networks:深度学习主题的 SVRG 和 SAGA 优化算法的实现-源码","children":[{"title":"variance_reduced_neural_networks-master","children":[{"title":"optimization_algorithms_convex_case.ipynb <span style='color:#111;'> 68.46KB </span>","children":null,"spread":false},{"title":"SGD.ipynb <span style='color:#111;'> 101.34KB </span>","children":null,"spread":false},{"title":"SVRG.ipynb <span style='color:#111;'> 111.22KB </span>","children":null,"spread":false},{"title":"SAGA.ipynb <span style='color:#111;'> 97.05KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.73KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明