文件名称：lbfgs-tr:信任区域的有限内存BFGS
文件大小：22.09MB
文件格式：ZIP
更新时间：2024-05-21 11:00:19
Python
信任区域有限内存BFGS拟牛顿优化在深度学习中的实现 此处的示例使用MNIST数据集的分类任务。 TensorFlow用于计算梯度。 Numpy和Scipy用于矩阵计算。 运行Python程序 $ python LBFGS_TR.py -m=10 -minibatch=1000 args: -m=10 # the L-BFGS memory storage -num-batch=4 # number of overlapped samples --> refer to the paper -minibatch=1000 # minibatch size -use-whole-data # uses whole data to calculate gradients.
【文件预览】：
lbfgs-tr-master
----data()
--------t10k-images-idx3-ubyte.gz(1.57MB)
--------t10k-labels-idx1-ubyte.gz(4KB)
--------train-labels-idx1-ubyte.gz(28KB)
--------train-images-idx3-ubyte.gz(9.45MB)
--------train-images-idx3-ubyte 2.gz(9.45MB)
--------train-images-idx3-ubyte 3.gz(1.56MB)
----__pycache__()
--------input_MNIST_data.cpython-35.pyc(6KB)
--------MNIST_input_modified.cpython-36.pyc(6KB)
--------input_MNIST_data.cpython-36.pyc(6KB)
----_config.yml(48B)
----LBFGS_TR.py(25KB)
----.gitignore(42B)
----input_MNIST_data.py(7KB)
----README.md(569B)
----index.md(582B)