از اینکه با Google I/O تنظیم کردید متشکریم. مشاهده همه جلسات در صورت تقاضا تماشا کنید

tensorflow :: ops :: ApplyGradientDescent

#include <training_ops.h>

"* var" را با کم کردن "alpha" * "delta" از آن به روز کنید.

خلاصه

استدلال ها:

  • دامنه: یک شی Sc Scope
  • var: باید از یک متغیر () باشد.
  • alpha: عامل مقیاس گذاری. باید اسکالر باشد.
  • دلتا: تغییر.

ویژگی های اختیاری (به Attrs مراجعه کنید):

  • use_locking: اگر True ، تفریق توسط قفل محافظت می شود. در غیر این صورت رفتار تعریف نشده است ، اما ممکن است مشاجره کمتری از خود نشان دهد.

بازده:

  • Output : همان "var" است.

سازندگان و ویرانگران

ApplyGradientDescent (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input alpha, :: tensorflow::Input delta)
ApplyGradientDescent (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input alpha, :: tensorflow::Input delta, const ApplyGradientDescent::Attrs & attrs)

صفات عمومی

operation
out

کارکردهای عمومی

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

توابع استاتیک عمومی

UseLocking (bool x)

سازه ها

tensorflow :: ops :: ApplyGradientDescent :: Attrs

تنظیم کننده های ویژگی اختیاری برای ApplyGradientDescent .

صفات عمومی

عمل

Operation operation

بیرون

::tensorflow::Output out

کارکردهای عمومی

ApplyGradientDescent

 ApplyGradientDescent(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input alpha,
  ::tensorflow::Input delta
)

ApplyGradientDescent

 ApplyGradientDescent(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input alpha,
  ::tensorflow::Input delta,
  const ApplyGradientDescent::Attrs & attrs
)

گره

::tensorflow::Node * node() const

عملگر :: tensorflow :: ورودی

 operator::tensorflow::Input() const

عملگر :: tensorflow :: خروجی

 operator::tensorflow::Output() const

توابع استاتیک عمومی

استفاده از قفل کردن

Attrs UseLocking(
  bool x
)