tensorflow :: opérations :: SparseApplyAdagrad

Mettez à jour les entrées pertinentes dans '* var' et '* accum' selon le schéma adagrad.

Résumé

C'est pour les lignes pour lesquelles nous avons grad, nous mettons à jour var et accum comme suit: $$accum += grad * grad$$ $$var -= lr * grad * (1 / sqrt(accum))$$

Arguments:

• scope: un objet Scope
• var: Doit provenir d'une variable ().
• accum: Doit provenir d'une variable ().
• lr: taux d'apprentissage. Doit être un scalaire.
• grad: Le dégradé.
• indices: Un vecteur d'indices dans la première dimension de var et accum.

Attributs facultatifs (voir Attrs ):

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

Retour:

• Output : identique à "var".

Attributs publics

Operation operation

::tensorflow::Output out

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

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

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UpdateSlots(
  bool x
)

Attrs UseLocking(
  bool x
)