ResourceSparseApplyAdagrad

публичный финальный класс ResourceSparseApplyAdagrad

Обновите соответствующие записи в «*var» и «*accum» в соответствии со схемой adagrad.

То есть для строк, для которых у нас есть grad, мы обновляем var и accum следующим образом: accum += grad * grad var -= lr * grad * (1 / sqrt(accum))

сорт ResourceSparseApplyAdagrad.Options Необязательные атрибуты для ResourceSparseApplyAdagrad

Нить OP_NAME Название этой операции, известное основному движку TensorFlow.

static <T расширяет TType > ResourceSparseApplyAdagrad	create ( Область действия, Операнд <?> var, Операнд <?> accum, Операнд <T> lr, Операнд <T> град, Операнд <? расширяет индексы TNumber >, Параметры... параметры) Фабричный метод для создания класса, обертывающего новую операцию ResourceSparseApplyAdagrad.
статический ResourceSparseApplyAdagrad.Options	updateSlots (логическое значение updateSlots)
статический ResourceSparseApplyAdagrad.Options	useLocking (логическое значение useLocking)

последнее логическое значение	равно (Объект obj)
окончательный интервал	хэш-код ()
Операция	оп () Верните эту единицу вычислений как одну `Operation` .
последняя строка	нанизывать ()

Из класса java.lang.Object

логическое значение	равно (Объект arg0)
последний класс<?>	получитьКласс ()
интервал	хэш-код ()
окончательная пустота	поставить в известность ()
окончательная пустота	уведомитьВсе ()
Нить	нанизывать ()
окончательная пустота	подождать (длинный arg0, int arg1)
окончательная пустота	подождите (длинный arg0)
окончательная пустота	ждать ()

Из интерфейса org.tensorflow.op.Op

абстрактная среда выполнения	окружение () Верните среду выполнения, в которой была создана эта операция.
абстрактная операция	оп () Верните эту единицу вычислений как одну `Operation` .

Константы

Название этой операции, известное основному движку TensorFlow.

Постоянное значение: «ResourceSparseApplyAdagrad»

Фабричный метод для создания класса, обертывающего новую операцию ResourceSparseApplyAdagrad.

объем	текущий объем
вар	Должно быть из переменной().
накапливать	Должно быть из переменной().
лр	Скорость обучения. Должно быть скаляр.
выпускник	Градиент.
индексы	Вектор индексов в первом измерении var и accum.
параметры	содержит значения необязательных атрибутов

использоватьLocking	Если `True`, обновление тензоров var и accum будет защищено блокировкой; в противном случае поведение не определено, но может вызывать меньше конфликтов.