tensorflow :: ops :: SparseApplyCenteredRMSProp
#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 aktualizowane w iteracjach, podczas których grad jest równy zero.
mean_square = rozpad * 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)
$$ms <- rho * ms_{t-1} + (1-rho) * grad * grad$$ $$mom <- momentum * mom_{t-1} + lr * grad / sqrt(ms + epsilon)$$ $$var <- var - mom$$
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.
- indeksy: wektor indeksów do pierwszego wymiaru var, ms i mom.
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:
-
Output
: to samo co „var”.
Konstruktorzy i niszczyciele | |
---|---|
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) |
Atrybuty publiczne | |
---|---|
operation | |
out |
Funkcje publiczne | |
---|---|
node () const | ::tensorflow::Node * |
operator::tensorflow::Input () const | |
operator::tensorflow::Output () const |
Publiczne funkcje statyczne | |
---|---|
UseLocking (bool x) |
Struktury | |
---|---|
tensorflow :: ops :: SparseApplyCenteredRMSProp :: Attrs | Opcjonalne metody ustawiające atrybuty dla SparseApplyCenteredRMSProp . |
Atrybuty publiczne
operacja
Operation operation
na zewnątrz
::tensorflow::Output out
Funkcje publiczne
SparseApplyCenteredRMSProp
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
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 )
węzeł
::tensorflow::Node * node() const
operator :: tensorflow :: Input
operator::tensorflow::Input() const
operator :: tensorflow :: Output
operator::tensorflow::Output() const
Publiczne funkcje statyczne
UseLocking
Attrs UseLocking( bool x )