ApplyAdagradV2

lớp cuối cùng công khai ApplyAdagradV2

Cập nhật '*var' theo sơ đồ adagrad.

tích lũy += grad * grad var -= lr * grad * (1 / sqrt(accum))

Các lớp lồng nhau

lớp học Áp dụngAdagradV2.Options Thuộc tính tùy chọn cho ApplyAdagradV2

Hằng số

Sợi dây OP_NAME Tên của op này, được biết đến bởi công cụ lõi TensorFlow

Phương pháp công khai

Đầu ra <T>
asOutput ()
Trả về tay cầm tượng trưng của tensor.
tĩnh <T mở rộng TType > ApplyAdagradV2 <T>
tạo ( Phạm vi phạm vi, Toán hạng <T> var, Toán hạng <T> accum, Toán hạng <T> lr, Toán hạng <T> epsilon, Toán hạng <T> grad, Tùy chọn... tùy chọn)
Phương thức gốc để tạo một lớp bao bọc một thao tác ApplyAdagradV2 mới.
Đầu ra <T>
ngoài ()
Tương tự như "var".
tĩnh ApplyAdagradV2.Options
updateSlots (Boolean updateSlots)
tĩnh ApplyAdagradV2.Options
useLocking (Boolean useLocking)

Phương pháp kế thừa

Hằng số

Chuỗi cuối cùng tĩnh công khai OP_NAME

Tên của op này, được biết đến bởi công cụ lõi TensorFlow

Giá trị không đổi: "Áp dụngAdagradV2"

Phương pháp công khai

Đầu ra công khai <T> asOutput ()

Trả về tay cầm tượng trưng của tensor.

Đầu vào của các hoạt động TensorFlow là đầu ra của một hoạt động TensorFlow khác. Phương pháp này được sử dụng để thu được một thẻ điều khiển mang tính biểu tượng đại diện cho việc tính toán đầu vào.

public static ApplyAdagradV2 <T> create ( Phạm vi phạm vi, Toán hạng <T> var, Toán hạng <T> accum, Toán hạng <T> lr, Toán hạng <T> epsilon, Toán hạng <T> grad, Tùy chọn... tùy chọn)

Phương thức gốc để tạo một lớp bao bọc một thao tác ApplyAdagradV2 mới.

Thông số
phạm vi phạm vi hiện tại
var Phải từ một Biến().
tích lũy Phải từ một Biến().
lr Yếu tố nhân rộng. Phải là một vô hướng.
epsilon Yếu tố không đổi. Phải là một vô hướng.
tốt nghiệp Độ dốc.
tùy chọn mang các giá trị thuộc tính tùy chọn
Trả lại
  • một phiên bản mới của ApplyAdagradV2

Đầu ra công khai <T> out ()

Tương tự như "var".

public static ApplyAdagradV2.Options updateSlots (Boolean updateSlots)

public static ApplyAdagradV2.Options useLocking (Boolean useLocking)

Thông số
sử dụngKhóa Nếu `True`, việc cập nhật các tensor var và accum sẽ được bảo vệ bằng khóa; mặt khác, hành vi không được xác định, nhưng có thể ít gây tranh cãi hơn.