tensorflow::ops::ResourceSparseApplyAdagrad

Обновите соответствующие записи в '*var' и '*accum' в соответствии со схемой adagrad.

Краткое содержание

Для строк, для которых у нас есть значение grad, мы обновляем значения var и accum следующим образом: accum += grad * grad var -= lr * grad * (1 / sqrt(accum))

Аргументы:

• scope: Объект Scope
• var: Должно быть из функции Variable().
• accum: Должно быть из переменной (Variable()).
• lr: Скорость обучения. Должна быть скалярной величиной.
• grad: Градиент.
• индексы: Вектор индексов, помещенный в первое измерение переменных и накоплений.

Дополнительные атрибуты (см. Attrs ):

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

Возвращает:

• созданная Operation

Общедоступные атрибуты

Operation operation

 ResourceSparseApplyAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices
)

 ResourceSparseApplyAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  const ResourceSparseApplyAdagrad::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UpdateSlots(
  bool x
)

Attrs UseLocking(
  bool x
)