Tensorflow :: ops :: ApplyAdadelta

Aktualisieren Sie '* var' gemäß dem Adadelta-Schema.

Zusammenfassung

accum = rho () * accum + (1 - rho ()) * grad.square (); update = (update_accum + epsilon) .sqrt () * (accum + epsilon ()). rsqrt () * grad; update_accum = rho () * update_accum + (1 - rho ()) * update.square (); var - = update;

Argumente:

• scope: Ein Scope- Objekt
• var: Sollte von einer Variablen stammen ().
• accum: Sollte von einer Variablen stammen ().
• accum_update: Sollte von einer Variablen stammen ().
• lr: Skalierungsfaktor. Muss ein Skalar sein.
• Rho: Zerfallsfaktor. Muss ein Skalar sein.
• Epsilon: Konstanter Faktor. Muss ein Skalar sein.
• grad: Der Gradient.

Optionale Attribute (siehe Attrs ):

• use_locking: Wenn True, wird die Aktualisierung der Tensoren var, accum und update_accum durch eine Sperre geschützt. Andernfalls ist das Verhalten undefiniert, weist jedoch möglicherweise weniger Konflikte auf.

Kehrt zurück:

• Output : Wie "var".

Öffentliche Attribute

Operation operation

::tensorflow::Output out

 ApplyAdadelta(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input accum_update,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad
)

 ApplyAdadelta(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input accum_update,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  const ApplyAdadelta::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)