我正在尝试使用TensorFlow的梯度下降优化器来解决二维Rosenbrock函数,但是当我运行程序时,优化器有时会朝着无穷大的方向走。有时,即使什么也不改变,它也能找到正确的邻域,但无法确定最优解。
我的代码如下:
import tensorflow as tf
x1_data = tf.Variable(initial_value=tf.random_uniform([1], -10, 10),name='x1')
x2_data = tf.Variable(initial_value=tf.random_uniform([1], -10, 10), name='x2')
# Loss function
y = tf.add(tf.pow(tf.sub(1.0, x1_data), 2.0),
tf.mul(100.0, tf.pow(tf.sub(x2_data,tf.pow(x1_data, 2.0)), 2.0)), 'y')
opt = tf.train.GradientDescentOptimizer(0.0035)
train = opt.minimize(y)
sess = tf.Session()
init = tf.initialize_all_variables()
sess.run(init)
for step in xrange(200):
sess.run(train)
if step % 10 == 0:
print(step, sess.run(x1_data), sess.run(x2_data), sess.run(y))
Rosenbrock问题定义为y = (1 - x1)^2 + 100 * (x2 - x1^2)^2,最佳解为x1 = x2 = 1。
我在使用TensorFlow时做错了什么?还是我完全误解了如何使用TensorFlow?