Метод get_config класса Optimizer

Метод get_config класса Optimizer возвращает словарь Python с конфигурацией оптимизатора. В этом словаре содержатся гиперпараметры, которые были переданы при создании оптимизатора, например скорость обучения, момент и другие параметры, специфичные для конкретного типа оптимизатора. Метод не принимает обязательных параметров и возвращает обычный словарь, который можно сериализовать и сохранить. Полученную конфигурацию затем можно передать в метод from_config для создания нового экземпляра оптимизатора с теми же настройками.

Синтаксис

optimizer.get_config()

Пример

Давайте создадим оптимизатор Adam с заданной скоростью обучения и получим его конфигурацию:

import tensorflow as tf

optimizer = tf.keras.optimizers.Adam(learning_rate=0.01)
config = optimizer.get_config()
print(config)

Результат выполнения кода:

{'name': 'adam', 'learning_rate': 0.01, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False}

Пример

Давайте получим конфигурацию оптимизатора SGD с моментом и выведем отдельные гиперпараметры:

import tensorflow as tf

optimizer = tf.keras.optimizers.SGD(learning_rate=0.02, momentum=0.8)
config = optimizer.get_config()
print(config['learning_rate'])
print(config['momentum'])
print(config['nesterov'])

Результат выполнения кода:

0.02
0.8
False

Пример

Давайте сохраним конфигурацию оптимизатора в словарь, а затем восстановим оптимизатор с теми же настройками через метод from_config:

import tensorflow as tf

optimizer = tf.keras.optimizers.RMSprop(learning_rate=0.001, rho=0.8)
config = optimizer.get_config()
print(config)

restored = tf.keras.optimizers.RMSprop.from_config(config)
print(restored.get_config())

Результат выполнения кода:

{'name': 'rmsprop', 'learning_rate': 0.001, 'decay': 0.0, 'rho': 0.8, 'momentum': 0.0, 'epsilon': 1e-07, 'centered': False}
{'name': 'rmsprop', 'learning_rate': 0.001, 'decay': 0.0, 'rho': 0.8, 'momentum': 0.0, 'epsilon': 1e-07, 'centered': False}

Смотрите также

класс Optimizer,
который является базовым классом для всех оптимизаторов
метод from_config,
который создает оптимизатор из словаря конфигурации
метод apply_gradients,
который применяет градиенты к переменным модели
метод minimize,
который вычисляет градиенты и обновляет переменные