tensorflow:: ops:: ResourceApplyCenteredRMSProp

עדכון '*var' בהתאם לאלגוריתם RMSProp הממורכז.

תַקצִיר

אלגוריתם RMSProp הממורכז משתמש באומדן של המומנט השני הממורכז (כלומר, השונות) לצורך נרמול, בניגוד ל-RMSProp רגיל, המשתמש במומנט השני (הלא ממורכז). זה לרוב עוזר באימון, אך מעט יקר יותר מבחינת חישוב וזיכרון.

שים לב שבמימוש צפוף של אלגוריתם זה, mg, ms ו-mom יתעדכנו גם אם הגראד הוא אפס, אך במימוש דליל זה, mg, ms ו-mom לא יתעדכנו באיטרציות שבמהלכן הגראד הוא אפס.

ממוצע_ריבועי = דעיכה * ממוצע_ריבועי + (דעיכה אחת) * גרדיאנט ** 2 ממוצע_הדרגה = דעיכה * ממוצע_הדרגה + (דעיכה אחת) * גרדיאנט

דלתא = קצב_למידה * גרדיאנט / sqrt(ממוצע_ריבועי + אפסילון - ממוצע_גרדיאנט ** 2)

mg <- rho * mg_{t-1} + (1-rho) * grad ms <- rho * ms_{t-1} + (1-rho) * grad * grad mom <- מומנטום * mom_{t-1} + lr * grad / sqrt(ms - mg * mg + אפסילון) var <- var - mom

טיעונים:

• היקף: אובייקט היקף
• var: צריך להיות מתוך Variable().
• mg: צריך להיות מ-Variable().
• ms: צריך להיות מ-Variable().
• אמא: אמור להיות מ-Variable().
• lr: גורם קנה מידה. חייב להיות סקלרי.
• rho: קצב דעיכה. חייב להיות סקלרי.
• אפסילון: איבר רכס. חייב להיות סקלרי.
• גראד: הגרדיאנט.

מאפיינים אופציונליים (ראה Attrs ):

• use_locking: אם ערך True הוא True , עדכון הטנזורים var, mg, ms ו-mom מוגן על ידי נעילה; אחרת ההתנהגות אינה מוגדרת, אך עשויה להפגין פחות תחרות.

החזרות:

• Operation שנוצרה

מאפיינים ציבוריים

Operation operation

 ResourceApplyCenteredRMSProp(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input mg,
  ::tensorflow::Input ms,
  ::tensorflow::Input mom,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input momentum,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad
)

 ResourceApplyCenteredRMSProp(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input mg,
  ::tensorflow::Input ms,
  ::tensorflow::Input mom,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input momentum,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  const ResourceApplyCenteredRMSProp::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)