tensorflow:: ops:: ApplyAdam

Adamアルゴリズムに従って「*var」を更新します。

まとめ

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

議論:

• スコープ:スコープオブジェクト
• var: Variable() から取得する必要があります。
• m: Variable() から取得する必要があります。
• v: Variable() から取得する必要があります。
• beta1_power: スカラー値である必要があります。
• beta2_power: スカラー値である必要があります。
• lr: スケーリング係数。スカラー値である必要があります。
• beta1: 運動量因子。スカラー値である必要があります。
• beta2: 運動量因子。スカラー値でなければならない。
• epsilon: リッジ項。スカラー値でなければならない。
• grad: 勾配。

オプション属性（ Attrs参照）：

• use_locking: Trueの場合、var、m、v テンソルの更新はロックによって保護されます。それ以外の場合は動作は未定義ですが、競合が少なくなる可能性があります。
• use_nesterov: Trueの場合、ネステロフ更新を使用します。

返品:

• Output : "var" と同じです。

公開属性

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
)