Adaptive-Gradient-Clipping：TensorFlow 2中最小化自适应梯度剪切（https：arxiv.o...

自适应梯度剪切 该存储库提供了一个最小的实施自适应限幅梯度（AGC）的在TensorFlow 2（如在高性能大规模图像识别提出不进行归1）纸为了训练，而不批次深神经网络属性AGC作为关键成分归一化2 。 鼓励读者查阅该论文，以了解为什么鉴于其最重要的成功，为什么可能希望在不进行批量标准化的情况下训练网络。 我使用此存储库的目标是能够快速训练带有或不带有AGC的浅层网络。 因此，我提供了两个我在下面讨论的Colab笔记本。 关于笔记本 AGC.ipynb ：演示使用AGC训练浅层网络（仅0.0021.17百万个参数）。 BatchNorm.ipynb ：演示了使用批处理归一化训练浅层网络（仅0.0023.09百万个参数）。 这两个笔记本都是Google Colab上的端到端可执行文件。 此外，他们还利用Google Colab提供的免费TPU（TPUv2-8），使读者可以非常快速地进行