tensorflow :: opérations :: AppliquerAdam

Mettez à jour '* var' selon l'algorithme d'Adam.

Résumé

$$lr_t := {learning_rate} * {1 - beta_2^t} / (1 - beta_1^t)$$ $$m_t := beta_1 * m_{t-1} + (1 - beta_1) * g$$ $$v_t := beta_2 * v_{t-1} + (1 - beta_2) * g * g$$ $$variable := variable - lr_t * m_t / ({v_t} + )$$

Arguments:

• scope: un objet Scope
• var: Doit provenir d'une variable ().
• m: Doit provenir d'une variable ().
• v: Doit provenir d'une variable ().
• beta1_power: doit être un scalaire.
• beta2_power: doit être un scalaire.
• lr: facteur d'échelle. Doit être un scalaire.
• beta1: facteur Momentum. Doit être un scalaire.
• beta2: facteur Momentum. Doit être un scalaire.
• epsilon: terme Ridge. Doit être un scalaire.
• grad: Le dégradé.

Attributs facultatifs (voir Attrs ):

• use_locking: Si True , la mise à jour des tenseurs var, m et v sera protégée par un verrou; sinon, le comportement n'est pas défini, mais peut présenter moins de conflits.
• use_nesterov: si True , utilise la mise à jour nesterov.

Retour:

• Output : identique à "var".

Attributs publics

Operation operation

::tensorflow::Output out

 ApplyAdam(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input m,
  ::tensorflow::Input v,
  ::tensorflow::Input beta1_power,
  ::tensorflow::Input beta2_power,
  ::tensorflow::Input lr,
  ::tensorflow::Input beta1,
  ::tensorflow::Input beta2,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad
)

 ApplyAdam(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input m,
  ::tensorflow::Input v,
  ::tensorflow::Input beta1_power,
  ::tensorflow::Input beta2_power,
  ::tensorflow::Input lr,
  ::tensorflow::Input beta1,
  ::tensorflow::Input beta2,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  const ApplyAdam::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)

Attrs UseNesterov(
  bool x
)