优化器是扩展类，其中包括用于训练特定模型的附加信息。 优化器类是用给定的参数初始化的，但重要的是要记住不需要张量。 优化器用于提高训练特定模型的速度和性能。

TensorFlow 的基本优化器是 −

tf.train.Optimizer

该类定义在 tensorflow/python/training/optimizer.py 的指定路径中。

以下是 Tensorflow 中的一些优化器 −

• Stochastic Gradient descent
• Stochastic Gradient descent with gradient clipping
• Momentum
• Nesterov momentum
• Adagrad
• Adadelta
• RMSProp
• Adam
• Adamax
• SMORMS3

我们将专注于随机梯度下降。 下面提到了为其创建优化器的图示 −

def sgd(cost, params, lr=np.float32(0.01)):
   g_params=tf.gradients(cost, params)
   updates=[]
   
   for param, g_param in zip(params, g_params):
      updates.append(param.assign(param - lr*g_param))
   return updates

基本参数在特定函数中定义。 在接下来的章节中，我们将重点介绍梯度下降优化和优化器的实现。