TensorFlow: optimización del descenso de gradientes

La optimización del descenso de gradientes se considera un concepto importante en la ciencia de datos.

Considere los pasos que se muestran a continuación para comprender la implementación de la optimización del descenso de gradientes:

Paso 1

Incluir los módulos necesarios y la declaración de las variables xey a través de las cuales vamos a definir la optimización del descenso del gradiente.

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)

Paso 2

Inicialice las variables necesarias y llame a los optimizadores para definirlo y llamarlo con la función respectiva.

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()

La línea de código anterior genera una salida como se muestra en la captura de pantalla a continuación:

Podemos ver que las épocas e iteraciones necesarias se calculan como se muestra en la salida.