SparseApplyAdagradDa

คลาสสุดท้ายสาธารณะ SparseApplyAdagradDa

อัปเดตรายการใน '*var' และ '*accum' ตามรูปแบบ adagrad ที่ใกล้เคียง

คลาสที่ซ้อนกัน

ระดับ SparseApplyAdagradDa.Options แอ็ตทริบิวต์ทางเลือกสำหรับ SparseApplyAdagradDa

ค่าคงที่

สตริง OP_NAME ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow

วิธีการสาธารณะ

เอาท์พุต <T>
เป็นเอาท์พุต ()
ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
คงที่ <T ขยาย TType > SparseApplyAdagradDa <T>
สร้าง ( ขอบเขต ขอบเขต ตัวดำเนินการ <T> var, ตัวดำเนินการ <T> การไล่ระดับสะสม, ตัวดำเนินการ <T> การไล่ระดับสีSquaredAccumulator, ตัวดำเนินการ <T> ผู้สำเร็จการศึกษา, ตัวดำเนินการ <? ขยาย TNumber > ดัชนี, ตัว ดำเนิน การ <T> lr, ตัวดำเนินการ <T> l1, ตัวถูกดำเนินการ <T> l2 ตัวดำเนินการ < TInt64 > globalStep, ตัวเลือก... ตัวเลือก)
วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ SparseApplyAdagradDa ใหม่
เอาท์พุต <T>
ออก ()
เช่นเดียวกับ "var"
SparseApplyAdagradDa.Options แบบคงที่
useLocking (การใช้ล็อคแบบบูลีน)

วิธีการสืบทอด

ค่าคงที่

สตริงสุดท้ายแบบคงที่สาธารณะ OP_NAME

ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow

ค่าคงที่: "SparseApplyAdagradDA"

วิธีการสาธารณะ

เอาท์ พุท สาธารณะ <T> asOutput ()

ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์

อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต

สาธารณะ SparseApplyAdagradDa <T> สร้าง (ขอบเขต ขอบเขต , ตัวดำเนินการ <T> var, ตัวดำเนินการ <T> การไล่ระดับสะสม, ตัวดำเนินการ <T> การไล่ระดับสีSquaredAccumulator, ตัวดำเนินการ <T> ผู้สำเร็จการศึกษา, ตัว ดำเนิน การ <? ขยาย TNumber > ดัชนี, ตัวดำเนินการ <T> lr, ตัวถูกดำเนินการ <T> l1, ตัวดำเนินการ <T> l2, ตัวดำเนินการ < TInt64 > globalStep, ตัวเลือก... ตัวเลือก)

วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ SparseApplyAdagradDa ใหม่

พารามิเตอร์
ขอบเขต ขอบเขตปัจจุบัน
var ควรมาจากตัวแปร ()
การไล่ระดับสีสะสม ควรมาจากตัวแปร ()
การไล่ระดับสีSquaredAccumulator ควรมาจากตัวแปร ()
ผู้สำเร็จการศึกษา การไล่ระดับสี
ดัชนี เวกเตอร์ของดัชนีในมิติแรกของ var และ accum
ล อัตราการเรียนรู้ ต้องเป็นสเกลาร์
l1 การทำให้เป็นมาตรฐาน L1 ต้องเป็นสเกลาร์
l2 การทำให้เป็นมาตรฐานของ L2 ต้องเป็นสเกลาร์
globalStep หมายเลขขั้นตอนการฝึกอบรม ต้องเป็นสเกลาร์
ตัวเลือก มีค่าแอตทริบิวต์ทางเลือก
การส่งคืน
  • อินสแตนซ์ใหม่ของ SparseApplyAdagradDa

เอาท์พุท สาธารณะ <T> ออก ()

เช่นเดียวกับ "var"

สาธารณะ SparseApplyAdagradDa.Options useLocking แบบคงที่ (useLocking แบบบูลีน)

พารามิเตอร์
ใช้ล็อค หากเป็น True การอัปเดต var และ accum tensor จะได้รับการปกป้องด้วยการล็อค มิฉะนั้นพฤติกรรมจะไม่ได้กำหนดไว้ แต่อาจแสดงความขัดแย้งน้อยลง