tensorflow:: ops:: ResourceApplyCenteredRMSProp

中央値RMSPropアルゴリズムに従って「*var」を更新します。

まとめ

中心化RMSPropアルゴリズムは、正規化に中心化された2次モーメント（つまり分散）の推定値を使用しますが、通常のRMSPropは（中心化されていない）2次モーメントを使用します。これは多くの場合、学習に役立ちますが、計算量とメモリ使用量の点で若干コストが高くなります。

このアルゴリズムの密な実装では、勾配がゼロであってもmg、ms、momは更新されますが、この疎な実装では、勾配がゼロとなる反復処理ではmg、ms、momは更新されません。

平均二乗 = 減衰 * 平均二乗 + (1-減衰) * 勾配 ** 2 平均勾配 = 減衰 * 平均勾配 + (1-減衰) * 勾配

Delta = 学習率 * 勾配 / sqrt(平均二乗 + ε - 平均勾配 ** 2)

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

議論:

• スコープ:スコープオブジェクト
• var: Variable() から取得する必要があります。
• mg: Variable() から取得する必要があります。
• ms: Variable() から取得する必要があります。
• 母: Variable() から取得する必要があります。
• lr: スケーリング係数。スカラー値である必要があります。
• rho: 崩壊率。スカラー値である必要があります。
• epsilon: リッジ項。スカラー値でなければならない。
• grad: 勾配。

オプション属性（ Attrs参照）：

• use_locking: Trueの場合、var、mg、ms、mom テンソルの更新はロックによって保護されます。それ以外の場合は動作は未定義ですが、競合が少なくなる可能性があります。

返品:

• 作成されたOperation

公開属性

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
)