tensorflow:: ops:: ResourceApplyAdamWithAmsgrad

Actualizar '*var' según el algoritmo Adam.

Resumen

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

Argumentos:

• ámbito: Un objeto de ámbito
• var: Debe provenir de una Variable().
• m: Debe provenir de una Variable().
• v: Debe provenir de una Variable().
• vhat: Debe provenir de una Variable().
• beta1_power: Debe ser un escalar.
• beta2_power: Debe ser un escalar.
• lr: Factor de escala. Debe ser un escalar.
• beta1: Factor de momento. Debe ser un escalar.
• beta2: Factor de momento. Debe ser un escalar.
• épsilon: Término de cresta. Debe ser un escalar.
• grad: El gradiente.

Atributos opcionales (ver Attrs ):

• use_locking: Si True , la actualización de los tensores var, m y v estará protegida por un bloqueo; de lo contrario, el comportamiento es indefinido, pero puede presentar menos contención.

Devoluciones:

• la Operation creada

Atributos públicos

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
)