tensorflow::ops::ResourceApplyRMSProp

Обновите переменную '*var' в соответствии с алгоритмом RMSProp.

Краткое содержание

Обратите внимание, что в плотной реализации этого алгоритма переменные ms и mom будут обновляться, даже если градиент равен нулю, но в этой разреженной реализации переменные ms и mom не будут обновляться в итерациях, в течение которых градиент равен нулю.

среднеквадратичное отклонение = затухание * среднеквадратичное отклонение + (1-затухание) * градиент ** 2 Дельта = скорость обучения * градиент / кварт(среднеквадратичное отклонение + эпсилон)

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

Аргументы:

• scope: Объект Scope
• var: Должно быть из функции Variable().
• мс: Должно быть из переменной().
• мама: Должно быть из переменной().
• lr: Масштабный коэффициент. Должен быть скалярным значением.
• ро: Скорость затухания. Должна быть скалярной величиной.
• Эпсилон: Член гребня. Должен быть скаляром.
• grad: Градиент.

Дополнительные атрибуты (см. Attrs ):

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

Возвращает:

• созданная Operation

Общедоступные атрибуты

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
)