tensorflow::ops::AppliquerAdam

Mettre à jour '*var' selon l'algorithme Adam.

Résumé

$$lr_t := {learning_rate} * {1 - beta_2^t} / (1 - beta_1^t)$$ $$m_t := beta_1 * m_{t-1} + (1 - beta_1) * g$$ $$v_t := beta_2 * v_{t-1} + (1 - beta_2) * g * g$$ $$variable := variable - lr_t * m_t / ({v_t} + )$$

Arguments :

• portée : un objet Scope
• var : Doit provenir d'une Variable().
• m : Doit provenir d'une variable().
• v : Doit provenir d'une variable().
• beta1_power : Doit être un scalaire.
• beta2_power : Doit être un scalaire.
• lr : Facteur d’échelle. Doit être un scalaire.
• β1 : Facteur d’impulsion. Doit être un scalaire.
• β2 : Facteur d’impulsion. Doit être un scalaire.
• epsilon : Terme de crête. Doit être un scalaire.
• grad : Le gradient.

Attributs optionnels (voir Attrs ) :

• use_locking : Si True , la mise à jour des tenseurs var, m et v sera protégée par un verrou ; sinon, le comportement est indéfini, mais peut présenter moins de contention.
• use_nesterov : Si True , utilise la mise à jour Nesterov.

Retours :

• Output : Identique à « var ».

attributs publics

Operation operation

::tensorflow::Output out

 ApplyAdam(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input m,
  ::tensorflow::Input v,
  ::tensorflow::Input beta1_power,
  ::tensorflow::Input beta2_power,
  ::tensorflow::Input lr,
  ::tensorflow::Input beta1,
  ::tensorflow::Input beta2,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad
)

 ApplyAdam(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input m,
  ::tensorflow::Input v,
  ::tensorflow::Input beta1_power,
  ::tensorflow::Input beta2_power,
  ::tensorflow::Input lr,
  ::tensorflow::Input beta1,
  ::tensorflow::Input beta2,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  const ApplyAdam::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)

Attrs UseNesterov(
  bool x
)