این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.

RMSProp
bookmark_border با مجموعه‌ها، منظم بمانید ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.

کلاس عمومی RMSProp

بهینه ساز که الگوریتم RMSProp را پیاده سازی می کند.

خلاصه RMSprop این است که:

این پیاده سازی RMSprop از تکانه ساده استفاده می کند، نه تکانه Nesterov.

نسخه مرکزی به علاوه میانگین متحرک گرادیان ها را حفظ می کند و از آن میانگین برای تخمین واریانس استفاده می کند.

رشته VARIABLE_V2

	RMSProp ( گراف نمودار) یک RMSPRrop Optimizer ایجاد می کند
	RMSProp ( گراف نمودار، نرخ یادگیری شناور) یک RMSPRrop Optimizer ایجاد می کند
	RMSProp ( گراف نمودار، نرخ یادگیری شناور، فروپاشی شناور، حرکت شناور، اپسیلون شناور، مرکز بولی) یک RMSPRrop Optimizer ایجاد می کند
	RMSProp ( گراف نمودار، نام رشته، نرخ یادگیری شناور) یک RMSPRrop Optimizer ایجاد می کند
	RMSProp ( گراف نمودار، نام رشته، نرخ یادگیری شناور، فروپاشی شناور، تکانه شناور، اپسیلون شناور، مرکز بولی) یک RMSPRrop Optimizer ایجاد می کند

رشته	getOptimizerName () نام بهینه ساز را دریافت کنید.
رشته	toString ()

Op	applyGradients (List< GradAndVar <? گسترش TType >> gradsAndVars، نام رشته) گرادیان ها را برای متغیرها اعمال می کند
<T TType > List < GradAndVar <?>> را گسترش می دهد	computeGradients ( Operand <?> loss) گرادیان ها را بر اساس یک عملوند از دست دادن محاسبه می کند.
رشته ایستا	createName ( خروجی <? گسترش متغیر TType >، String slotName) یک نام با ترکیب نام متغیر و نام اسلات ایجاد می کند
رشته انتزاعی	getOptimizerName () نام بهینه ساز را دریافت کنید.
<T TType > اختیاری< متغیر <T>> را گسترش می دهد	getSlot ( خروجی <T> var، String slotName) اسلات مرتبط با متغیر و نام اسلات مشخص شده را دریافت می کند.
عملیات نهایی	getTF () نمونه Optimizer's Ops را دریافت می کند
Op	حداقل کردن (از دست دادن عملوند <?>) با به روز رسانی متغیرها ضرر را به حداقل می رساند
Op	کوچک کردن (از دست دادن عملوند <?>، نام رشته) با به روز رسانی متغیرها ضرر را به حداقل می رساند

ثابت ها

مقدار ثابت: نادرست

مقدار ثابت: 0.9

مقدار ثابت: 1.0E-10

مقدار ثابت: 0.001

مقدار ثابت: "mg"

مقدار ثابت: "تحرک"

مقدار ثابت: 0.0