tensorflow:: عملیات:: ResourceApplyAdagrad

#include <training_ops.h>

طبق طرح adagrad، '*var' را به‌روزرسانی کنید.

خلاصه

accum += grad * grad var -= lr * grad * (1 / sqrt(accum))

استدلال‌ها:

  • دامنه: یک شیء دامنه
  • var: باید از یک متغیر () باشد.
  • accum: باید از یک متغیر () باشد.
  • lr: ضریب مقیاس‌بندی. باید یک اسکالر باشد.
  • گرادیان: شیب.

ویژگی‌های اختیاری (به Attrs مراجعه کنید):

  • use_locking: اگر True ، به‌روزرسانی تانسورهای var و accum توسط یک قفل محافظت می‌شود؛ در غیر این صورت رفتار تعریف نشده است، اما ممکن است رقابت کمتری را نشان دهد.

بازده:

سازنده‌ها و مخرب‌ها

ResourceApplyAdagrad (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input accum, :: tensorflow::Input lr, :: tensorflow::Input grad)
ResourceApplyAdagrad (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input accum, :: tensorflow::Input lr, :: tensorflow::Input grad, const ResourceApplyAdagrad::Attrs & attrs)

ویژگی‌های عمومی

operation

کارکردهای عمومی

operator::tensorflow::Operation () const

توابع استاتیک عمومی

UpdateSlots (bool x)
UseLocking (bool x)

ساختارها

tensorflow:: عملیات:: ResourceApplyAdagrad:: جذابیت‌ها

تنظیم‌کننده‌های ویژگی اختیاری برای ResourceApplyAdagrad .

ویژگی‌های عمومی

عملیات 

Operation operation

کارکردهای عمومی

منابع اعمال شده آداگراد 

 ResourceApplyAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input grad
)

منابع اعمال شده آداگراد 

 ResourceApplyAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input grad,
  const ResourceApplyAdagrad::Attrs & attrs
)

عملگر::tensorflow::عملیات 

 operator::tensorflow::Operation() const

توابع استاتیک عمومی

اسلات‌های به‌روزرسانی 

Attrs UpdateSlots(
  bool x
)

استفاده از قفل 

Attrs UseLocking(
  bool x
)