tensorflow::ops::SparseApplyCenteredRMSProp

Mettre à jour '*var' selon l'algorithme RMSProp centré.

Résumé

L'algorithme RMSProp centré utilise une estimation du moment d'ordre deux centré (c'est-à-dire la variance) pour la normalisation, contrairement à l'algorithme RMSProp classique qui utilise le moment d'ordre deux (non centré). Cela facilite souvent l'apprentissage, mais est légèrement plus gourmand en ressources de calcul et de mémoire.

Notez que dans l'implémentation dense de cet algorithme, mg, ms et mom seront mis à jour même si le gradient est nul, mais dans cette implémentation clairsemée, mg, ms et mom ne seront pas mis à jour lors des itérations au cours desquelles le gradient est nul.

moyenne_carrée = décroissance * moyenne_carrée + (1-décroissance) * gradient ** 2 moyenne_grad = décroissance * moyenne_grad + (1-décroissance) * gradient Delta = taux_apprentissage * gradient / sqrt(moyenne_carrée + epsilon - moyenne_grad ** 2)

Arguments :

• portée : un objet Scope
• var : Doit provenir d'une Variable().
• mg : Doit provenir d'une variable().
• ms : Devrait provenir d'une variable().
• maman : Devrait provenir d'une variable().
• lr : Facteur d’échelle. Doit être un scalaire.
• rho : Taux de décroissance. Doit être un scalaire.
• epsilon : Terme de crête. Doit être un scalaire.
• grad : Le gradient.
• indices : Un vecteur d'indices dans la première dimension de var, ms et mom.

Attributs optionnels (voir Attrs ) :

• use_locking : Si True , la mise à jour des tenseurs var, mg, ms et mom est protégée par un verrou ; sinon, le comportement est indéfini, mais peut présenter moins de contention.

Retours :

• Output : Identique à « var ».

attributs publics

Operation operation

::tensorflow::Output out

 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
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)