tensorflow::ops::ApplyAdam

'*var' değişkenini Adam algoritmasına göre güncelleyin.

Özet

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

Argümanlar:

• kapsam: Bir Kapsam nesnesi
• var: Bir Variable() türünden gelmelidir.
• m: Bir Değişkenden gelmelidir().
• v: Bir Variable() türünden gelmelidir.
• beta1_güç: Skaler bir değer olmalıdır.
• beta2_güç: Skaler bir değer olmalıdır.
• lr: Ölçeklendirme faktörü. Skaler bir değer olmalıdır.
• beta1: Momentum faktörü. Skaler bir değer olmalıdır.
• beta2: Momentum faktörü. Skaler bir değer olmalıdır.
• epsilon: Tepe noktası terimi. Skaler bir değer olmalıdır.
• grad: Eğim.

İsteğe bağlı özellikler (bkz. Attrs ):

• use_locking: True ise, var, m ve v tensörlerinin güncellenmesi bir kilit ile korunacaktır; aksi takdirde davranış tanımsızdır, ancak daha az çekişme gösterebilir.
• use_nesterov: True ise, nesterov güncellemesini kullanır.

İadeler:

• Output : "var" ile aynı.

Genel özellikler

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
)