tensorflow :: ops :: ResourceApplyAdamWithAmsgrad

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 가져와야합니다.
• m : Variable ()에서 가져와야합니다.
• v : Variable ()에서 가져와야합니다.
• vhat : Variable ()에서 가져와야합니다.
• beta1_power : 스칼라 여야합니다.
• beta2_power : 스칼라 여야합니다.
• lr : 배율. 스칼라 여야합니다.
• beta1 : 모멘텀 팩터. 스칼라 여야합니다.
• beta2 : 모멘텀 팩터. 스칼라 여야합니다.
• 엡실론 : 능선 용어. 스칼라 여야합니다.
• grad : 그래디언트입니다.

선택적 속성 ( Attrs 참조) :

• use_locking : True 이면 var, m 및 v 텐서의 업데이트는 잠금으로 보호됩니다. 그렇지 않으면 동작이 정의되지 않지만 경합이 적을 수 있습니다.

보고:

• 생성 된 Operation

공용 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
)