ইউজলকিং

Attrs UseLocking(
  bool x
)

tensorflow:: ops:: ApplyAddSign

AddSign আপডেট অনুযায়ী '*var' আপডেট করুন।

সারসংক্ষেপ

m_t <- beta1 * m_{t-1} + (1 - beta1) * g update <- (alpha + sign_decay * sign(g) *sign(m)) * g variable <- variable - lr_t * update

যুক্তি:

• স্কোপ: একটি স্কোপ অবজেক্ট
• var: Variable() থেকে আসা উচিত।
• m: এটি একটি Variable() থেকে আসা উচিত।
• lr: স্কেলিং ফ্যাক্টর। এটি অবশ্যই একটি স্কেলার হতে হবে।
• আলফা: অবশ্যই স্কেলার হতে হবে।
• চিহ্নের ক্ষয়: অবশ্যই স্কেলার হতে হবে।
• বিটা: অবশ্যই স্কেলার হতে হবে।
• grad: নতিমাত্রা।

ঐচ্ছিক অ্যাট্রিবিউটসমূহ (দেখুন Attrs ):

• use_locking: যদি True , তাহলে var এবং m টেনসরের আপডেট একটি লক দ্বারা সুরক্ষিত থাকে; অন্যথায় এর আচরণ অনির্ধারিত, তবে এতে বিরোধ কম হতে পারে।

ফেরত:

• Output : "var"-এর অনুরূপ।

জনসাধারণের বৈশিষ্ট্য

Operation operation

::tensorflow::Output out

 ApplyAddSign(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input m,
  ::tensorflow::Input lr,
  ::tensorflow::Input alpha,
  ::tensorflow::Input sign_decay,
  ::tensorflow::Input beta,
  ::tensorflow::Input grad
)

 ApplyAddSign(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input m,
  ::tensorflow::Input lr,
  ::tensorflow::Input alpha,
  ::tensorflow::Input sign_decay,
  ::tensorflow::Input beta,
  ::tensorflow::Input grad,
  const ApplyAddSign::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)