کلاس نهایی عمومی LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug
بارگذاری پارامترهای جاسازی پروگزیمال Adagrad با پشتیبانی از اشکال زدایی.
عملیاتی که پارامترهای بهینه سازی را برای جاسازی در HBM بارگذاری می کند. باید قبل از آن یک عملیات ConfigureTPUEmbeddingHost باشد که پیکربندی صحیح جدول جاسازی را تنظیم می کند. به عنوان مثال، این عملیات برای نصب پارامترهایی استفاده می شود که قبل از اجرای یک حلقه آموزشی از یک نقطه بازرسی بارگذاری می شوند.
کلاس های تو در تو
| کلاس | LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug.Options | ویژگی های اختیاری برای LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug | |
ثابت ها
| رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
| استاتیک LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug.Options | پیکربندی (پیکربندی رشته) |
| استاتیک LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug | |
| استاتیک LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug.Options | tableId (Long tableId) |
| استاتیک LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug.Options | tableName (رشته جدولName) |
روش های ارثی
ثابت ها
رشته نهایی ثابت عمومی OP_NAME
نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود
مقدار ثابت: "LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug"
روش های عمومی
استاتیک عمومی LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug.Options پیکربندی (پیکربندی رشته)
استاتیک عمومی LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug ایجاد ( دامنه دامنه ، عملوند < TFloat32 > پارامترها، عملوند < TFloat32 > انباشته‌ها، عملوند < TFloat32 > gradientAccumulators، Long numShards، گزینه‌های Longsard... )
روش کارخانه برای ایجاد کلاسی که یک عملیات LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug جدید را بسته بندی می کند.
مولفه های
| محدوده | محدوده فعلی |
|---|---|
| مولفه های | مقدار پارامترهای مورد استفاده در الگوریتم بهینه سازی پروگزیمال آداگراد. |
| انباشته ها | ارزش انباشته های مورد استفاده در الگوریتم بهینه سازی پروگزیمال آداگراد. |
| gradient accumulators | مقدار gradient_accumulators استفاده شده در الگوریتم بهینه سازی پروگزیمال آداگراد. |
| گزینه ها | مقادیر ویژگی های اختیاری را حمل می کند |
برمی گرداند
- یک نمونه جدید از LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug