テンソルフロー::作戦::リソース適用AdamWithAmsgrad

Adam アルゴリズムに従って「*var」を更新します。

まとめ

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

引数:

• 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() からのものである必要があります。
• v: Variable() からのものである必要があります。
• vhat: Variable() から取得する必要があります。
• beta1_power: スカラーでなければなりません。
• beta2_power: スカラーでなければなりません。
• lr: スケーリング係数。スカラーでなければなりません。
• beta1: 運動量係数。スカラーでなければなりません。
• beta2: 勢い係数。スカラーでなければなりません。
• イプシロン: リッジ項。スカラーでなければなりません。
• grad: グラデーション。

オプションの属性 ( Attrsを参照):

• use_locking: Trueの場合、var、m、および 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、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。

戻り値：

• 作成されたOperation

パブリック属性

Operation operation

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

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

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)