सार्वजनिक अंतिम वर्ग रिसोर्सएप्लाईएडमैक्स
AdaMax एल्गोरिथम के अनुसार '*var' को अपडेट करें।
m_t <- beta1 * m_{t-1} + (1 - beta1) * g v_t <- max(beta2 * v_{t-1}, abs(g)) वेरिएबल <- वेरिएबल - लर्निंग_रेट / (1 - beta1^ टी) * एम_टी / (वी_टी + ईपीएसलॉन)
नेस्टेड क्लासेस
| कक्षा | रिसोर्सएप्लाईएडामैक्स.ऑप्शंस | ResourceApplyAdaMax के लिए वैकल्पिक विशेषताएँ | |
स्थिरांक
| डोरी | OP_NAME | इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है |
सार्वजनिक तरीके
| स्थिर <T टीटाइप का विस्तार करता है > resourceApplyAdaMax | |
| स्थैतिक संसाधनApplyAdaMax.Options | यूज़लॉकिंग (बूलियन यूज़लॉकिंग) |
विरासत में मिली विधियाँ
स्थिरांक
सार्वजनिक स्थैतिक अंतिम स्ट्रिंग OP_NAME
इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है
स्थिर मान: "ResourceApplyAdaMax"
सार्वजनिक तरीके
सार्वजनिक स्थैतिक रिसोर्सएप्लाईएडामैक्स क्रिएट ( स्कोप स्कोप, ऑपरेंड <?> वर, ऑपरेंड <?> एम, ऑपरेंड <?> वी, ऑपरेंड <टी> बीटा1पावर, ऑपरेंड <टी> एलआर, ऑपरेंड <टी> बीटा1, ऑपरेंड <टी> बीटा2, ऑपरेंड <टी> एप्सिलॉन, ऑपरेंड <टी> ग्रेड, विकल्प... विकल्प)
एक नए रिसोर्सएप्लाईएडामैक्स ऑपरेशन को लपेटकर एक क्लास बनाने की फ़ैक्टरी विधि।
पैरामीटर
| दायरा | वर्तमान दायरा |
|---|---|
| वर | एक वेरिएबल() से होना चाहिए। |
| एम | एक वेरिएबल() से होना चाहिए। |
| वी | एक वेरिएबल() से होना चाहिए। |
| बीटा1पावर | एक अदिश राशि होनी चाहिए. |
| एलआर | मापन कारक। एक अदिश राशि होनी चाहिए. |
| बीटा1 | संवेग कारक. एक अदिश राशि होनी चाहिए. |
| बीटा2 | संवेग कारक. एक अदिश राशि होनी चाहिए. |
| एप्सिलॉन | रिज शब्द. एक अदिश राशि होनी चाहिए. |
| ग्रैड | ढाल. |
| विकल्प | वैकल्पिक गुण मान रखता है |
रिटर्न
- resourceApplyAdaMax का एक नया उदाहरण
सार्वजनिक स्थैतिक संसाधनApplyAdaMax.Options उपयोगलॉकिंग (बूलियन उपयोगलॉकिंग)
पैरामीटर
| लॉकिंग का उपयोग करें | यदि `सही` है, तो var, m, और v टेंसर का अद्यतन एक लॉक द्वारा संरक्षित किया जाएगा; अन्यथा व्यवहार अपरिभाषित है, लेकिन कम विवाद प्रदर्शित कर सकता है। |
|---|