tensorflow::ops::ResourceApplyAdam

Обновите переменную '*var' в соответствии с алгоритмом Adam.

Краткое содержание

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

Аргументы:

• scope: Объект Scope
• var: Должно быть из функции Variable().
• m: Должно быть из переменной().
• v: Должно быть из переменной().
• beta1_power: Должна быть скалярной величиной.
• beta2_power: Должна быть скалярной величиной.
• lr: Масштабный коэффициент. Должен быть скалярным значением.
• бета1: Коэффициент импульса. Должен быть скалярной величиной.
• бета2: Коэффициент импульса. Должен быть скалярной величиной.
• Эпсилон: Член гребня. Должен быть скаляром.
• grad: Градиент.

Дополнительные атрибуты (см. Attrs ):

• use_locking: Если True , обновление тензоров var, m и v будет защищено блокировкой; в противном случае поведение не определено, но может демонстрировать меньшую конкуренцию.
• use_nesterov: Если True , используется обновление Nesterov.

Возвращает:

• созданная Operation

Общедоступные атрибуты

Operation operation

 ResourceApplyAdam(
  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
)

 ResourceApplyAdam(
  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 ResourceApplyAdam::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)

Attrs UseNesterov(
  bool x
)