tensorflow :: opérations :: ResourceApplyRMSProp

Mettez à jour '* var' selon l'algorithme RMSProp.

Résumé

Notez que dans l'implémentation dense de cet algorithme, ms et maman se mettront à jour même si le grad est nul, mais dans cette implémentation clairsemée, ms et mom ne se mettront pas à jour dans les itérations pendant lesquelles le grad est zéro.

mean_square = decay * mean_square + (1-decay) * gradient ** 2 Delta = learning_rate * gradient / sqrt (mean_square + epsilon)

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

Arguments:

• scope: un objet Scope
• var: Doit provenir d'une variable ().
• ms: Doit provenir d'une variable ().
• mom: Doit provenir d'une variable ().
• lr: facteur d'échelle. Doit être un scalaire.
• rho: taux de désintégration. Doit être un scalaire.
• epsilon: terme Ridge. Doit être un scalaire.
• grad: Le dégradé.

Attributs facultatifs (voir Attrs ):

• use_locking: Si True , la mise à jour des tenseurs var, ms et mom est protégée par un verrou; sinon, le comportement n'est pas défini, mais peut présenter moins de conflits.

Retour:

• l' Operation créée

Attributs publics

Operation operation

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

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

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)