tensorflow:: ops:: ResourceSparseApplyRMSProp

قم بتحديث '*var' وفقًا لخوارزمية RMSProp.

ملخص

لاحظ أنه في التنفيذ الكثيف لهذه الخوارزمية، سيتم تحديث ms و mom حتى لو كان التدرج صفرًا، ولكن في هذا التنفيذ المتفرق، لن يتم تحديث ms و mom في التكرارات التي يكون فيها التدرج صفرًا.

المتوسط ​​التربيعي = معدل التضاؤل ​​* المتوسط ​​التربيعي + (1- معدل التضاؤل) * التدرج ** 2 دلتا = معدل التعلم * التدرج / جذر(المتوسط ​​التربيعي + إبسيلون)

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

الحجج:

• النطاق: كائن النطاق
• var: يجب أن يكون من نوع Variable().
• ms: يجب أن يكون من متغير ().
• الأم: يجب أن يكون من متغير ().
• lr: عامل القياس. يجب أن يكون قيمة عددية.
• rho: معدل الاضمحلال. يجب أن يكون قيمة عددية.
• إبسيلون: مصطلح الحافة. ​​يجب أن يكون كمية قياسية.
• grad: التدرج.
• المؤشرات: متجه من المؤشرات في البعد الأول من var و ms و mom.

السمات الاختيارية (انظر Attrs ):

• استخدام القفل: إذا كانت True ، فإن تحديث موترات var و ms و mom محمي بواسطة قفل؛ وإلا فإن السلوك غير محدد، ولكنه قد يُظهر تنازعًا أقل.

المرتجعات:

• Operation التي تم إنشاؤها

السمات العامة

Operation operation

 ResourceSparseApplyRMSProp(
  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,
  ::tensorflow::Input indices
)

 ResourceSparseApplyRMSProp(
  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,
  ::tensorflow::Input indices,
  const ResourceSparseApplyRMSProp::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)