tensorflow :: ops :: SparseApplyMomentum

Zaktualizuj odpowiednie wpisy w „* var” i „* accum” zgodnie ze schematem momentum.

streszczenie

Ustaw use_nesterov = True, jeśli chcesz użyć pędu Niestierowa.

To znaczy dla wierszy, dla których mamy grad, aktualizujemy var i accum w następujący sposób:

$$accum = accum * momentum + grad$$ $$var -= lr * accum$$

Argumenty:

• zakres: obiekt Scope
• zmienna: powinna pochodzić ze zmiennej ().
• accum: Powinien pochodzić ze zmiennej ().
• lr: współczynnik uczenia się. Musi być skalarem.
• grad: gradient.
• indeksy: wektor indeksów do pierwszego wymiaru var i accum.
• momentum: Momentum. Musi być skalarem.

Atrybuty opcjonalne (patrz Attrs ):

• use_locking: Jeśli True , aktualizacja tensorów var i accum będzie chroniona blokadą; w przeciwnym razie zachowanie jest niezdefiniowane, ale może wykazywać mniej rywalizacji.
• use_nesterov: Jeśli True , tensor przekazany do obliczenia grad będzie miał wartość var ​​- lr * momentum * accum, więc ostatecznie otrzymana zmienna to var - lr * momentum * accum.

Zwroty:

• Output : to samo co „var”.

Atrybuty publiczne

Operation operation

::tensorflow::Output out

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

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

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)

Attrs UseNesterov(
  bool x
)