TensorFlow.js中的tf.train.adam()函数

tf.train.adam()是TensorFlow.js中的优化器函数之一，用于实现Adam优化算法。该函数采用以下形式：

tf.train.adam(
  learningRate = 0.001,
  beta1 = 0.9,
  beta2 = 0.999,
  epsilon = 1e-8,
  name = 'Adam'
)

其中，各参数的含义如下：

• learningRate：学习率，标量值。
• beta1：第一个动量因子，浮点型值，范围在0至1之间。
• beta2：第二个动量因子，浮点型值，范围在0至1之间。
• epsilon：一个数，用于避免除以零错误，通常采用默认值即可。
• name：字符串，表示该优化器的名称，默认为'Adam'。

tf.train.adam()函数返回一个AdamOptimizer对象。

使用示例

以下示例展示了如何使用tf.train.adam()函数：

// 定义一个 TensorFlow.js Tensor
const x = tf.scalar(2);

// 定义损失函数
const loss = (pred, label) => pred.sub(label).square().mean();

// 定义Adam优化器对象
const learningRate = 0.1;
const optimizer = tf.train.adam(learningRate);

// 最小化损失函数
const minimize = optimizer.minimize(() => loss(predicted_y, y));

// 输出minimize函数的形状
console.log(minimize.shape);

// 运行最小化
for (let i = 0; i < 100; i++) {
  optimizer.minimize(() => loss(predicted_y, y));
}

// 打印输出x、predicted_y和y的值，用于验证模型效果
console.log(
  `x: ${x.get()}, predicted_y: ${predicted_y.get()}, true y: ${y.get()}`
);

上述示例首先定义了一个TensorFlow.js Tensor x，然后定义了损失函数，用于衡量模型预测值和真实值之间的误差。接着，定义了一个Adam优化器对象，设置学习率为0.1。通过调用optimizer.minimize()函数来执行最小化操作，从而更新模型参数，使其逼近真实值。最后循环运行100次，用于让模型获得更好的拟合效果。

参考资料

• tf.train.adam()函数官方文档