Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

tensorflow :: ops :: SparseApplyRMSProp

#include <training_ops.h>

Zaktualizuj „* var” zgodnie z algorytmem RMSProp.

streszczenie

Zauważ, że w gęstej implementacji tego algorytmu, ms i mom będą aktualizowane, nawet jeśli grad jest równy zero, ale w tej rzadkiej implementacji ms i mom nie będą aktualizować się w iteracjach, podczas których grad jest równy zero.

mean_square = rozpad * mean_square + (1-decay) * gradient ** 2 Delta = learning_rate * gradient / sqrt (mean_square + epsilon)

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

Argumenty:

  • zakres: obiekt Scope
  • zmienna: powinna pochodzić ze zmiennej ().
  • 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, 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

SparseApplyRMSProp (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input ms, :: tensorflow::Input mom, :: tensorflow::Input lr, :: tensorflow::Input rho, :: tensorflow::Input momentum, :: tensorflow::Input epsilon, :: tensorflow::Input grad, :: tensorflow::Input indices)
SparseApplyRMSProp (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: 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 SparseApplyRMSProp::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 :: SparseApplyRMSProp :: Attrs

Opcjonalne metody ustawiające atrybuty dla SparseApplyRMSProp .

Atrybuty publiczne

operacja

Operation operation

na zewnątrz

::tensorflow::Output out

Funkcje publiczne

SparseApplyRMSProp

 SparseApplyRMSProp(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input ms,
  ::tensorflow::Input mom,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input momentum,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices
)

SparseApplyRMSProp

 SparseApplyRMSProp(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::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 SparseApplyRMSProp::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
)