tensorflow:: عملیات:: SparseApplyRMSProp

#include <training_ops.h>

'*var' را طبق الگوریتم RMSProp به‌روزرسانی کن.

خلاصه

توجه داشته باشید که در پیاده‌سازی متراکم این الگوریتم، ms و mom حتی اگر grad صفر باشد، به‌روزرسانی می‌شوند، اما در این پیاده‌سازی پراکنده، ms و mom در تکرارهایی که grad صفر است، به‌روزرسانی نمی‌شوند.

میانگین مربعات = واپاشی * میانگین مربعات + (1-واپاشی) * گرادیان ** 2 دلتا = نرخ یادگیری * گرادیان / sqrt(میانگین مربعات + اپسیلون)

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

استدلال‌ها:

  • دامنه: یک شیء دامنه
  • var: باید از یک متغیر () باشد.
  • ms: باید از یک متغیر () باشد.
  • mom: باید از یک Variable() باشد.
  • lr: ضریب مقیاس‌بندی. باید یک اسکالر باشد.
  • rho: نرخ واپاشی. باید یک اسکالر باشد.
  • اپسیلون: جمله ریج. باید یک اسکالر باشد.
  • گرادیان: شیب.
  • شاخص‌ها: برداری از شاخص‌ها در بعد اول var، ms و mom.

ویژگی‌های اختیاری (به Attrs مراجعه کنید):

  • use_locking: اگر True ، به‌روزرسانی تانسورهای var، ms و mom توسط یک قفل محافظت می‌شود؛ در غیر این صورت رفتار تعریف نشده است، اما ممکن است رقابت کمتری را نشان دهد.

بازده:

  • Output : مشابه "var" است.

سازنده‌ها و مخرب‌ها

SparseApplyRMSProp (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)
SparseApplyRMSProp (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 SparseApplyRMSProp::Attrs & attrs)

ویژگی‌های عمومی

operation
out

کارکردهای عمومی

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

توابع استاتیک عمومی

UseLocking (bool x)

ساختارها

tensorflow::ops::SparseApplyRMSProp::Attrs

تنظیم‌کننده‌های ویژگی اختیاری برای SparseApplyRMSProp .

ویژگی‌های عمومی

عملیات 

Operation operation

بیرون 

::tensorflow::Output out

کارکردهای عمومی

SparseApplyRMSProp 

 SparseApplyRMSProp(
  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
)

SparseApplyRMSProp 

 SparseApplyRMSProp(
  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 SparseApplyRMSProp::Attrs & attrs
)

گره 

::tensorflow::Node * node() const

عملگر::tensorflow::ورودی 

 operator::tensorflow::Input() const

عملگر::tensorflow::خروجی 

 operator::tensorflow::Output() const

توابع استاتیک عمومی

استفاده از قفل 

Attrs UseLocking(
  bool x
)