dòng chảy :: ops :: ResourceSparseApplyRMSProp

Cập nhật '* var' theo thuật toán RMSProp.

Tóm lược

Lưu ý rằng khi triển khai dày đặc thuật toán này, ms và mom sẽ cập nhật ngay cả khi grad bằng 0, nhưng trong triển khai thưa thớt này, ms và mom sẽ không cập nhật trong các lần lặp lại mà grad bằng 0.

mean_square = giảm dần * mean_square + (1-giảm dần) * gradient ** 2 Delta = learning_rate * gradient / sqrt (mean_square + epsilon)

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

Tranh luận:

• phạm vi: Một đối tượng Phạm vi
• var: Phải từ một Biến ().
• ms: Phải từ một Biến ().
• mẹ: Nên từ một Biến ().
• lr: Hệ số tỷ lệ. Phải là một vô hướng.
• rho: Tỷ lệ phân rã. Phải là một vô hướng.
• epsilon: Thuật ngữ Ridge. Phải là một vô hướng.
• grad: Độ dốc.
• chỉ số: Một vectơ chỉ số thành thứ nguyên đầu tiên của var, ms và mom.

Các thuộc tính tùy chọn (xem Phần Attrs ):

• use_locking: Nếu True , việc cập nhật các tenxơ var, ms và mẹ được bảo vệ bằng một khóa; nếu không thì hành vi không được xác định, nhưng có thể ít biểu hiện sự cạnh tranh hơn.

Lợi nhuận:

• Operation đã tạo

Thuộc tính công cộng

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
)