TensorFlow-경사 하강 법 최적화

경사 하강 법 최적화는 데이터 과학에서 중요한 개념으로 간주됩니다.

경사 하강 법 최적화의 구현을 이해하려면 아래 단계를 고려하십시오.

1 단계

경사 하강 법 최적화를 정의 할 x 및 y 변수 선언과 필요한 모듈을 포함합니다.

import tensorflow as tf

x = tf.Variable(2, name = 'x', dtype = tf.float32)
log_x = tf.log(x)
log_x_squared = tf.square(log_x)

optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(log_x_squared)

2 단계

필요한 변수를 초기화하고 옵티 마이저를 호출하여 각 함수로 정의하고 호출합니다.

init = tf.initialize_all_variables()

def optimize():
   with tf.Session() as session:
      session.run(init)
      print("starting at", "x:", session.run(x), "log(x)^2:", session.run(log_x_squared))
      
      for step in range(10):
         session.run(train)
         print("step", step, "x:", session.run(x), "log(x)^2:", session.run(log_x_squared))
optimize()

위의 코드 줄은 아래 스크린 샷과 같이 출력을 생성합니다.

필요한 에포크와 반복이 출력에 표시된대로 계산되는 것을 볼 수 있습니다.