tensorflow :: ops :: ResourceSparseApplyAdagrad

Adagrad şemasına göre '* var' ve '* biriktirme' içindeki ilgili girişleri güncelleyin.

Özet

Yani not verdiğimiz satırlar için var ve biriktirmeyi şu şekilde güncelliyoruz: birikim + = grad * grad var - = lr * grad * (1 / sqrt (birikim))

Argümanlar:

• kapsam: Bir Scope nesnesi
• var: Değişken () 'den olmalıdır.
• birikim: Bir Değişken () 'den olmalıdır.
• lr: Öğrenme oranı. Skaler olmalı.
• grad: Gradyan.
• indisler: var ve akümül'ün ilk boyutundaki indislerin bir vektörü.

İsteğe bağlı özellikler (bkz. Attrs ):

• use_locking: True ise, var ve akümülörlerin güncellenmesi bir kilit ile korunacaktır; aksi takdirde davranış tanımsızdır, ancak daha az çekişme gösterebilir.

İadeler:

• oluşturulan Operation

Genel özellikler

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
)