ResourceSparseApplyAdagradV2

kelas akhir publik ResourceSparseApplyAdagradV2

Perbarui entri yang relevan di '*var' dan '*accum' sesuai dengan skema adagrad.

Itu untuk baris yang memiliki grad, kami memperbarui var dan accum sebagai berikut: accum += grad * grad var -= lr * grad * (1 / sqrt(accum))

Kelas Bersarang

kelas ResourceSparseApplyAdagradV2.Options Atribut opsional untuk ResourceSparseApplyAdagradV2

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

statis <T memperluas TType > ResourceSparseApplyAdagradV2
buat ( Lingkup lingkup, Operand <?> var, Operand <?> accum, Operand <T> lr, Operand <T> epsilon, Operand <T> grad, Operand <? extends TNumber > indeks, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi ResourceSparseApplyAdagradV2 baru.
ResourceSparseApplyAdagradV2.Options statis
pembaruanSlots (pembaruan BooleanSlots)
ResourceSparseApplyAdagradV2.Options statis
useLocking (penguncian penggunaan Boolean)

Metode Warisan

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "ResourceSparseApplyAdagradV2"

Metode Publik

public static ResourceSparseApplyAdagradV2 buat ( Lingkup cakupan , Operan <?> var, Operan <?> accum, Operand <T> lr, Operand <T> epsilon, Operand <T> grad, Operand <? extends TNumber > indeks, Opsi... pilihan)

Metode pabrik untuk membuat kelas yang membungkus operasi ResourceSparseApplyAdagradV2 baru.

Parameter
cakupan ruang lingkup saat ini
var Harus dari Variabel().
akumulasi Harus dari Variabel().
lr Kecepatan pembelajaran. Pasti skalar.
epsilon Faktor konstan. Pasti skalar.
lulusan Gradien.
indeks Vektor indeks ke dalam dimensi pertama var dan accum.
pilihan membawa nilai atribut opsional
Kembali
  • contoh baru ResourceSparseApplyAdagradV2

ResourceSparseApplyAdagradV2.Options statis publik updateSlots (Boolean updateSlots)

ResourceSparseApplyAdagradV2.Options statis publik useLocking (Boolean useLocking)

Parameter
gunakan Penguncian Jika `True`, pembaruan tensor var dan accum akan dilindungi oleh kunci; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan.