tensorflow:: عملیات:: ResourceApplyRMSProp

#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 <- مومنتوم * 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.

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:

سازنده‌ها و مخرب‌ها

ResourceApplyRMSProp (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)
ResourceApplyRMSProp (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, const ResourceApplyRMSProp::Attrs & attrs)

ویژگی‌های عمومی

operation

کارکردهای عمومی

operator::tensorflow::Operation () const

توابع استاتیک عمومی

UseLocking (bool x)

ساختارها

tensorflow:: عملیات:: ResourceApplyRMSProp:: Attrs

تنظیم‌کننده‌های ویژگی اختیاری برای ResourceApplyRMSProp .

ویژگی‌های عمومی

عملیات 

Operation operation

کارکردهای عمومی

منبعاعمالRMSProp 

 ResourceApplyRMSProp(
  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
)

منبعاعمالRMSProp 

 ResourceApplyRMSProp(
  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,
  const ResourceApplyRMSProp::Attrs & attrs
)

عملگر::tensorflow::عملیات 

 operator::tensorflow::Operation() const

توابع استاتیک عمومی

استفاده از قفل 

Attrs UseLocking(
  bool x
)