tensorflow::ops::ResourceApplyAdagrad

#include <training_ops.h>

อัปเดต '*var' ตามรูปแบบของ adagrad

สรุป

สะสม += ผู้สำเร็จการศึกษา * ผู้สำเร็จการศึกษา var -= lr * ผู้สำเร็จการศึกษา * (1 / sqrt(สะสม))

ข้อโต้แย้ง:

  • ขอบเขต: วัตถุ ขอบเขต
  • var: ควรมาจาก Variable()
  • accum: ควรมาจาก Variable()
  • lr: ตัวคูณปรับขนาด ต้องเป็นค่าคงที่
  • grad: ค่าความชัน

คุณลักษณะเสริม (ดูที่ Attrs ):

  • use_locking: หากตั้งค่า True การอัปเดตเทนเซอร์ var และ accum จะได้รับการป้องกันด้วยการล็อก มิเช่นนั้นพฤติกรรมจะไม่แน่นอน แต่การแย่งชิงทรัพยากรอาจน้อยลง

การส่งคืนสินค้า:

  • Operation ที่สร้างขึ้น

ตัวสร้างและตัวทำลาย

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

คุณลักษณะสาธารณะ

operation

หน้าที่สาธารณะ

operator::tensorflow::Operation () const

ฟังก์ชันคงที่สาธารณะ

UpdateSlots (bool x)
UseLocking (bool x)

โครงสร้าง

tensorflow::ops::ResourceApplyAdagrad::Attrs

ตัวเลือกในการตั้งค่าแอตทริบิวต์สำหรับ ResourceApplyAdagrad

คุณลักษณะสาธารณะ

การดำเนินการ 

Operation operation

หน้าที่สาธารณะ

ทรัพยากรApplyAdagrad 

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

ทรัพยากรApplyAdagrad 

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

ตัวดำเนินการ::เทนเซอร์โฟลว์::การดำเนินการ 

 operator::tensorflow::Operation() const

ฟังก์ชันคงที่สาธารณะ

อัปเดตสล็อต 

Attrs UpdateSlots(
  bool x
)

ใช้การล็อก 

Attrs UseLocking(
  bool x
)