tensorflow:: ops:: ResourceApplyAdadelta

Zaktualizuj '*var' zgodnie ze schematem adadelta.

Streszczenie

accum = rho() * accum + (1 - rho()) * grad.square(); aktualizacja = (update_accum + epsilon).sqrt() * (accum + epsilon()).rsqrt() * grad; update_accum = rho() * update_accum + (1 - rho()) * update.square(); var –= aktualizacja;

Argumenty:

• zakres: obiekt zakresu
• var: Powinien pochodzić ze zmiennej Variable().
• accum: Powinno pochodzić ze zmiennej Variable().
• accum_update: Powinno pochodzić ze zmiennej Variable().
• lr: Współczynnik skalowania. Musi być skalarem.
• rho: Współczynnik rozpadu. Musi być skalarem.
• epsilon: Stały czynnik. Musi być skalarem.
• grad: Gradient.

Atrybuty opcjonalne (patrz Attrs ):

• use_locking: Jeśli wartość True, aktualizacja tensorów var, accum i update_accum będzie chroniona blokadą; w przeciwnym razie zachowanie jest niezdefiniowane, ale może wykazywać mniejszą niezgodność.

Zwroty:

• utworzona Operation

Atrybuty publiczne

Operation operation

 ResourceApplyAdadelta(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input accum_update,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad
)

 ResourceApplyAdadelta(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input accum_update,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  const ResourceApplyAdadelta::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)