tensorflow :: ops :: ResourceApplyRMSProp

RMSProp 알고리즘에 따라 '* var'를 업데이트합니다.

요약

이 알고리즘의 조밀 한 구현에서 ms와 mom은 grad가 0이더라도 업데이트되지만,이 희소 구현에서는 ms와 mom이 grad가 0 인 동안 반복에서 업데이트되지 않습니다.

mean_square = decay * mean_square + (1-decay) * gradient ** 2 Delta = learning_rate * gradient / sqrt (mean_square + 엡실론)

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

인수 :

• 범위 : 범위 개체
• var : Variable ()에서 가져와야합니다.
• ms : Variable ()에서 가져와야합니다.
• mom : Variable ()에서 가져와야합니다.
• lr : 배율. 스칼라 여야합니다.
• rho : 부패율. 스칼라 여야합니다.
• 엡실론 : 능선 용어. 스칼라 여야합니다.
• grad : 그래디언트입니다.

선택적 속성 ( Attrs 참조) :

• use_locking : True 이면 var, ms 및 mom 텐서의 업데이트가 잠금으로 보호됩니다. 그렇지 않으면 동작이 정의되지 않지만 경합이 적을 수 있습니다.

보고:

• 생성 된 Operation

공용 속성

Operation operation

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

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

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)