tensorflow:: ops:: ApplyRMSProp

Atualize '*var' de acordo com o algoritmo RMSProp.

Resumo

Note que, na implementação densa deste algoritmo, ms e mom serão atualizados mesmo se o gradiente for zero, mas nesta implementação esparsa, ms e mom não serão atualizados nas iterações durante as quais o gradiente for zero.

quadrado médio = decaimento * quadrado médio + (1-decaimento) * gradiente ** 2 Delta = taxa de aprendizado * gradiente / sqrt(quadrado médio + epsilon)

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

Argumentos:

• escopo: Um objeto de escopo
• var: Deve ser proveniente de uma variável().
• ms: Deve ser proveniente de uma variável().
• mãe: Deveria ser de uma variável().
• lr: Fator de escala. Deve ser um escalar.
• rho: Taxa de decaimento. Deve ser um escalar.
• épsilon: Termo de crista. Deve ser um escalar.
• grad: O gradiente.

Atributos opcionais (ver Attrs ):

• use_locking: Se True , a atualização dos tensores var, ms e mom é protegida por um bloqueio; caso contrário, o comportamento é indefinido, mas pode apresentar menos contenção.

Devoluções:

• Output : Igual a "var".

Atributos públicos

Operation operation

::tensorflow::Output out

 ApplyRMSProp(
  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
)

 ApplyRMSProp(
  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,
  const ApplyRMSProp::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)