텐서플로우:: 작전:: 자원ApplyAdamWithAmsgrad

Adam 알고리즘에 따라 '*var'를 업데이트합니다.

요약

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

인수:

• 범위: 범위 개체
• var: Variable()에서 가져와야 합니다.
• m: Variable()에서 가져와야 합니다.
• v: Variable()에서 가져와야 합니다.
• vhat: Variable()에서 가져와야 합니다.
• beta1_power: 스칼라여야 합니다.
• beta2_power: 스칼라여야 합니다.
• lr: 스케일링 팩터. 스칼라여야 합니다.
• 베타1: 모멘텀 요인. 스칼라여야 합니다.
• 베타2: 모멘텀 요인. 스칼라여야 합니다.
• 엡실론: 능선 항. 스칼라여야 합니다.
• grad: 그라데이션입니다.

선택적 속성( Attrs 참조):

• use_locking: True 이면 var, m, v 텐서의 업데이트가 잠금으로 보호됩니다. 그렇지 않으면 동작이 정의되지 않지만 경합이 덜 나타날 수 있습니다.

보고:

• 생성된 Operation

공개 속성

Operation operation

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

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

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)