tensorflow :: opérations :: SparseApplyCenteredRMSProp

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

Résumé

L'algorithme RMSProp centré utilise une estimation du deuxième moment centré (c.-à-d. La variance) pour la normalisation, par opposition à RMSProp régulier, qui utilise le deuxième moment (non centré). Cela aide souvent à la formation, mais est légèrement plus cher en termes de calcul et de mémoire.

Notez que dans une implémentation dense de cet algorithme, mg, ms et mom se mettront à jour même si le grad est nul, mais dans cette implémentation clairsemée, mg, 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 mean_grad = decay * mean_grad + (1-decay) * gradient Delta = learning_rate * gradient / sqrt (mean_square + epsilon - mean_grad ** 2)

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

Arguments:

• scope: un objet Scope
• var: Doit provenir d'une variable ().
• mg: 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.
• indices: Un vecteur d'indices dans la première dimension de var, ms et mom.

Attributs facultatifs (voir Attrs ):

• use_locking: Si True , la mise à jour des tenseurs var, mg, ms et mom est 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

 SparseApplyCenteredRMSProp(
  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,
  ::tensorflow::Input indices
)

 SparseApplyCenteredRMSProp(
  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,
  ::tensorflow::Input indices,
  const SparseApplyCenteredRMSProp::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)