przepływ tensorowy:: ops:: ResourceSparseApplyAdagradDA

Zaktualizuj wpisy w „*var” i „*accum” zgodnie ze schematem bliższego adagradu.

Streszczenie

Argumenty:

• zakres: Obiekt Scope
• var: Powinien pochodzić ze zmiennej ().
• gradient_accumulator: Powinien pochodzić ze zmiennej ().
• gradient_squared_accumulator: Powinien pochodzić ze zmiennej ().
• grad: gradient.
• indeksy: wektor indeksów do pierwszego wymiaru var i accum.
• lr: Szybkość uczenia się. Musi być skalarem.
• l1: Regularyzacja L1. Musi być skalarem.
• l2: Regularyzacja L2. Musi być skalarem.
• global_step: Numer kroku szkolenia. Musi być skalarem.

Opcjonalne atrybuty (patrz Attrs ):

• use_locking: Jeśli True, aktualizacja tensorów var i accum będzie chroniona blokadą; w przeciwnym razie zachowanie jest niezdefiniowane, ale może wykazywać mniejszą rywalizację.

Zwroty:

• utworzoną Operation

Atrybuty publiczne

Operation operation

 ResourceSparseApplyAdagradDA(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input gradient_accumulator,
  ::tensorflow::Input gradient_squared_accumulator,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input global_step
)

 ResourceSparseApplyAdagradDA(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input gradient_accumulator,
  ::tensorflow::Input gradient_squared_accumulator,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input global_step,
  const ResourceSparseApplyAdagradDA::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)