Google I/O'yu ayarladığınız için teşekkür ederiz. İsteğe bağlı olarak tüm oturumları görüntüleyin İsteğe bağlı olarak izleyin

tensorflow :: ops :: SparseApplyCenteredRMSProp

#include <training_ops.h>

"* Var" ı ortalanmış RMSProp algoritmasına göre güncelleyin.

Özet

Ortalanmış RMSProp algoritması, (ortalanmamış) ikinci anı kullanan normal RMSProp'un aksine, normalleştirme için ortalanmış ikinci momentin (yani varyans) bir tahminini kullanır. Bu genellikle eğitime yardımcı olur, ancak hesaplama ve hafıza açısından biraz daha pahalıdır.

Bu algoritmanın yoğun uygulamasında, derecelendirme sıfır olsa bile mg, ms ve annenin güncelleneceğini, ancak bu seyrek uygulamada, derecelendirmenin sıfır olduğu yinelemelerde mg, ms ve annenin güncellenmeyeceğini unutmayın.

ortalama_Kare = bozulma * ortalama_Kare + (1-bozunma) * gradyan ** 2 ortalama_grad = bozulma * ortalama_grad + (1-bozunma) * gradyan Delta = öğrenme_ hızı * gradyan / sqrt (ortalama_kare + epsilon - ortalama_grad ** 2)

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

Argümanlar:

  • kapsam: Bir Scope nesnesi
  • var: Değişken () 'den olmalıdır.
  • mg: Bir Değişkenden () alınmalıdır.
  • ms: Bir Değişkenden () olmalıdır.
  • anne: Bir Değişken'den () alınmalıdır.
  • lr: Ölçekleme faktörü. Skaler olmalı.
  • rho: Bozunma oranı. Skaler olmalı.
  • epsilon: Ridge terimi. Skaler olmalı.
  • grad: Gradyan.
  • indisler: var, ms ve mom'in ilk boyutuna bir indis vektörü.

İsteğe bağlı özellikler (bkz. Attrs ):

  • use_locking: True ise, var, mg, ms ve mom tensörlerin güncellenmesi bir kilitle korunur; aksi takdirde davranış tanımsızdır, ancak daha az çekişme gösterebilir.

İadeler:

Yapıcılar ve Yıkıcılar

SparseApplyCenteredRMSProp (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input mg, :: tensorflow::Input ms, :: tensorflow::Input mom, :: tensorflow::Input lr, :: tensorflow::Input rho, :: tensorflow::Input momentum, :: tensorflow::Input epsilon, :: tensorflow::Input grad, :: tensorflow::Input indices)
SparseApplyCenteredRMSProp (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input mg, :: 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 SparseApplyCenteredRMSProp::Attrs & attrs)

Genel özellikler

operation
out

Kamusal işlevler

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

Genel statik işlevler

UseLocking (bool x)

Yapılar

tensorflow :: ops :: SparseApplyCenteredRMSProp :: Attrs

SparseApplyCenteredRMSProp için isteğe bağlı öznitelik belirleyiciler.

Genel özellikler

operasyon

Operation operation

dışarı

::tensorflow::Output out

Kamusal işlevler

SparseApplyCenteredRMSProp

 SparseApplyCenteredRMSProp(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input mg,
  ::tensorflow::Input ms,
  ::tensorflow::Input mom,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input momentum,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices
)

SparseApplyCenteredRMSProp

 SparseApplyCenteredRMSProp(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input mg,
  ::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 SparseApplyCenteredRMSProp::Attrs & attrs
)

düğüm

::tensorflow::Node * node() const

operator :: tensorflow :: Girdi

 operator::tensorflow::Input() const

operator :: tensorflow :: Çıktı

 operator::tensorflow::Output() const

Genel statik işlevler

KullanımKilitleme

Attrs UseLocking(
  bool x
)