tensorflow::ops::ResourceApplyAdam

อัปเดต '*var' ตามอัลกอริทึมของ Adam

สรุป

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

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• var: ควรมาจาก Variable()
• m: ควรมาจากตัวแปร()
• v: ควรมาจากตัวแปร (Variable())
• beta1_power: ต้องเป็นค่าสเกลาร์
• beta2_power: ต้องเป็นค่าสเกลาร์
• lr: ตัวคูณปรับขนาด ต้องเป็นค่าคงที่
• เบต้า1: ตัวประกอบโมเมนตัม ต้องเป็นค่าสเกลาร์
• เบต้า2: ตัวประกอบโมเมนตัม ต้องเป็นค่าสเกลาร์
• เอปซิลอน: เทอมของสัน ต้องเป็นค่าสเกลาร์
• grad: ค่าความชัน

คุณลักษณะเสริม (ดูที่ Attrs ):

• use_locking: หากตั้งค่า True การอัปเดตเทนเซอร์ var, m และ v จะได้รับการป้องกันด้วยการล็อก มิเช่นนั้นพฤติกรรมจะไม่แน่นอน แต่การแย่งชิงทรัพยากรอาจน้อยลง
• use_nesterov: ถ้า True จะใช้การอัปเดตแบบ nesterov

การส่งคืนสินค้า:

• Operation ที่สร้างขึ้น

คุณลักษณะสาธารณะ

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
)