Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

tensorflow :: ops :: ResourceApplyCenteredRMSProp

#include <training_ops.h>

Zaktualizuj „* var” zgodnie z wyśrodkowanym algorytmem RMSProp.

streszczenie

Wyśrodkowany algorytm RMSProp wykorzystuje oszacowanie wyśrodkowanego drugiego momentu (tj. Wariancji) do normalizacji, w przeciwieństwie do zwykłego RMSProp, który wykorzystuje (niecentrowany) drugi moment. Często pomaga to w treningu, ale jest nieco droższe pod względem obliczeń i pamięci.

Zauważ, że w gęstej implementacji tego algorytmu mg, ms i mom będą aktualizowane, nawet jeśli grad jest równy zero, ale w tej rzadkiej implementacji mg, ms i mom nie będą aktualizować się w iteracjach, podczas których grad jest równy zero.

mean_square = rozpad * mean_square + (1-decay) * gradient ** 2 mean_grad = rozpad * mean_grad + (1-decay) * gradient

Delta = learning_rate * gradient / sqrt (mean_square + epsilon - mean_grad ** 2)

mg <- rho * mg_ {t-1} + (1-rho) * grad ms <- rho * ms_ {t-1} + (1-rho) * grad * grad mom <- momentum * mom_ {t-1 } + lr * grad / sqrt (ms - mg * mg + epsilon) var <- var - mom

Argumenty:

  • zakres: obiekt Scope
  • zmienna: powinna pochodzić ze zmiennej ().
  • mg: Powinien pochodzić ze zmiennej ().
  • ms: Powinien pochodzić ze zmiennej ().
  • mom: Powinien pochodzić ze zmiennej ().
  • lr: współczynnik skalowania. Musi być skalarem.
  • rho: tempo zaniku. Musi być skalarem.
  • epsilon: Termin grzbietu. Musi być skalarem.
  • grad: gradient.

Atrybuty opcjonalne (patrz Attrs ):

  • use_locking: Jeśli True , aktualizacja tensorów var, mg, ms i mom jest chroniona blokadą; w przeciwnym razie zachowanie jest niezdefiniowane, ale może wykazywać mniej rywalizacji.

Zwroty:

Konstruktorzy i niszczyciele

ResourceApplyCenteredRMSProp (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input mg, :: tensorflow::Input ms, :: tensorflow::Input mom, :: tensorflow::Input lr, :: tensorflow::Input rho, :: tensorflow::Input momentum, :: tensorflow::Input epsilon, :: tensorflow::Input grad)
ResourceApplyCenteredRMSProp (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input mg, :: tensorflow::Input ms, :: tensorflow::Input mom, :: tensorflow::Input lr, :: tensorflow::Input rho, :: tensorflow::Input momentum, :: tensorflow::Input epsilon, :: tensorflow::Input grad, const ResourceApplyCenteredRMSProp::Attrs & attrs)

Atrybuty publiczne

operation

Funkcje publiczne

operator::tensorflow::Operation () const

Publiczne funkcje statyczne

UseLocking (bool x)

Struktury

tensorflow :: ops :: ResourceApplyCenteredRMSProp :: Attrs

Opcjonalne metody ustawiające atrybuty dla ResourceApplyCenteredRMSProp .

Atrybuty publiczne

operacja

Operation operation

Funkcje publiczne

ResourceApplyCenteredRMSProp

 ResourceApplyCenteredRMSProp(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input mg,
  ::tensorflow::Input ms,
  ::tensorflow::Input mom,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input momentum,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad
)

ResourceApplyCenteredRMSProp

 ResourceApplyCenteredRMSProp(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input mg,
  ::tensorflow::Input ms,
  ::tensorflow::Input mom,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input momentum,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  const ResourceApplyCenteredRMSProp::Attrs & attrs
)

operator :: tensorflow :: Operation

 operator::tensorflow::Operation() const 

Publiczne funkcje statyczne

UseLocking

Attrs UseLocking(
  bool x
)