tensorflow:: ops:: ApplyAdam

עדכון '*var' לפי אלגוריתם אדם.

תַקצִיר

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

טיעונים:

• היקף: אובייקט היקף
• var: צריך להיות מתוך Variable().
• m: צריך להיות מ-Variable().
• v: צריך להיות מ-Variable().
• beta1_power: חייב להיות סקלרי.
• beta2_power: חייב להיות סקלרי.
• lr: גורם קנה מידה. חייב להיות סקלרי.
• בטא1: גורם המומנטום. חייב להיות סקלרי.
• בטא2: גורם המומנטום. חייב להיות סקלרי.
• אפסילון: איבר רכס. חייב להיות סקלרי.
• גראד: הגרדיאנט.

מאפיינים אופציונליים (ראה Attrs ):

• use_locking: אם True , עדכון הטנזורים var, m ו-v יהיה מוגן על ידי נעילה; אחרת ההתנהגות אינה מוגדרת, אך עשויה להפגין פחות תחרות.
• use_nesterov: אם True , הערך משתמש בעדכון nesterov.

החזרות:

• Output : זהה ל-"var".

מאפיינים ציבוריים

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
)