ResourceSparseApplyAdagrad

کلاس نهایی عمومی ResourceSparseApplyAdagrad

طبق طرح adagrad ورودی های مربوطه را در '*var' و '*accum' به روز کنید.

یعنی برای ردیف هایی که برای آنها grad داریم، var و accum را به صورت زیر به روز می کنیم: accum += grad * grad var -= lr * grad * (1 / sqrt(accum))

کلاس ResourceSparseApplyAdagrad.Options ویژگی های اختیاری برای ResourceSparseApplyAdagrad

رشته OP_NAME نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

static <T TType > ResourceSparseApplyAdagrad را گسترش می دهد	ایجاد ( دامنه دامنه ، عملوند <?> var، عملوند <?> accum، عملوند <T> lr، عملوند <T> grad، عملوند <? گسترش TNumber > شاخص‌ها، گزینه‌ها... گزینه‌ها) روش کارخانه برای ایجاد کلاسی که یک عملیات ResourceSparseApplyAdagrad جدید را بسته بندی می کند.
Static ResourceSparseApplyAdagrad.Options	UpdateSlots (Bolean updateSlots)
Static ResourceSparseApplyAdagrad.Options	useLocking (قفل کردن استفاده بولی)

بولی نهایی	برابر است (object obj)
بین المللی نهایی	هش کد ()
عمل	عملیات () این واحد محاسبه را به عنوان یک `Operation` واحد برگردانید.
رشته نهایی	toString ()

از کلاس java.lang.Object

چکیده Execution Environment	env () محیط اجرایی را که این عملیات در آن ایجاد شده است برگردانید.
عملیات انتزاعی	عملیات () این واحد محاسبه را به عنوان یک `Operation` واحد برگردانید.

ثابت ها

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

مقدار ثابت: "ResourceSparseApplyAdagrad"

روش کارخانه برای ایجاد کلاسی که یک عملیات ResourceSparseApplyAdagrad جدید را بسته بندی می کند.

محدوده	محدوده فعلی
var	باید از یک متغیر () باشد.
تجمع	باید از یک متغیر () باشد.
lr	میزان یادگیری باید اسکالر باشد.
درجه	گرادیان.
شاخص ها	بردار شاخص ها در بعد اول var و accum.
گزینه ها	مقادیر ویژگی های اختیاری را حمل می کند

استفاده از قفل کردن	اگر «درست» باشد، به‌روزرسانی تانسور var و accum توسط یک قفل محافظت می‌شود. در غیر این صورت رفتار تعریف نشده است، اما ممکن است اختلاف کمتری از خود نشان دهد.