тензорный поток :: ops :: ResourceApplyCenteredRMSProp

Обновите '* var' в соответствии с центрированным алгоритмом RMSProp.

Резюме

Алгоритм центрированного RMSProp использует оценку центрированного второго момента (т. Е. Дисперсии) для нормализации, в отличие от обычного RMSProp, который использует (нецентрированный) второй момент. Это часто помогает при обучении, но немного дороже с точки зрения вычислений и памяти.

Обратите внимание, что в плотной реализации этого алгоритма mg, ms и mom будут обновляться, даже если градиент равен нулю, но в этой разреженной реализации mg, ms и mom не будут обновляться в итерациях, в течение которых градиент равен нулю.

средний_квадрат = распад * средний_квадрат + (1-распад) * градиент ** 2 средний_град = распад * средний_град + (1-распад) * градиент

Дельта = скорость_обучения * градиент / sqrt (средний_квадрат + эпсилон - средний_град ** 2)

mg <- rho * mg_ {t-1} + (1-rho) * grad ms <- rho * ms_ {t-1} + (1-rho) * grad * gradient мама <- импульс * мама_ {t-1 } + lr * grad / sqrt (ms - mg * mg + epsilon) var <- var - мама

Аргументы:

• scope: объект Scope
• var: должно быть из переменной ().
• мг: должно быть из переменной ().
• мс: должно быть из переменной ().
• мама: Должно быть из переменной ().
• lr: коэффициент масштабирования. Должен быть скаляр.
• rho: Скорость распада. Должен быть скаляр.
• эпсилон: термин «гребень». Должен быть скаляр.
• grad: градиент.

Необязательные атрибуты (см. Attrs ):

• use_locking: если True , обновление тензоров var, mg, ms и mom защищено блокировкой; в противном случае поведение не определено, но может вызывать меньше конфликтов.

Возврат:

• созданная Operation

Публичные атрибуты

Operation operation

 ResourceApplyCenteredRMSProp(
  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
)

 ResourceApplyCenteredRMSProp(
  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,
  const ResourceApplyCenteredRMSProp::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)