tensorflow:: ops:: SparseApplyCenteredRMSProp

Zaktualizuj '*var' zgodnie z wyśrodkowanym algorytmem RMSProp.

Streszczenie

Algorytm RMSProp z wyśrodkowaniem wykorzystuje oszacowanie wyśrodkowanego momentu drugiego (tj. wariancji) do normalizacji, w przeciwieństwie do zwykłego algorytmu RMSProp, który wykorzystuje (niewyśrodkowany) moment drugiego. Często pomaga to w trenowaniu, ale jest nieco bardziej kosztowne pod względem obliczeniowym i pamięci.

Należy zauważyć, że w gęstej implementacji tego algorytmu mg, ms i mom zostaną zaktualizowane nawet jeśli grad jest równy zero, ale w tej rzadkiej implementacji mg, ms i mom nie zostaną zaktualizowane w iteracjach, w których grad jest równy zero.

średnia_kwadratowa = rozkład * średnia_kwadratowa + (1-rozpad) * gradient ** 2 średnia_stopniowa = rozkład * średnia_stopniowa + (1-rozpad) * gradient Delta = szybkość_uczenia * gradient / sqrt(średnia_kwadratowa + epsilon - średnia_stopniowa ** 2)

Argumenty:

• zakres: obiekt zakresu
• var: Powinien pochodzić ze zmiennej Variable().
• mg: Powinno pochodzić ze zmiennej Variable().
• ms: Powinno pochodzić ze zmiennej Variable().
• mama: Powinno pochodzić ze zmiennej Variable().
• lr: Współczynnik skalowania. Musi być skalarem.
• rho: Szybkość rozpadu. Musi być skalarem.
• epsilon: człon grzbietowy. Musi być skalarem.
• grad: Gradient.
• indeksy: Wektor indeksów do pierwszego wymiaru var, ms i mom.

Atrybuty opcjonalne (patrz Attrs ):

• use_locking: Jeśli True , aktualizacja tensorów var, mg, ms i mom jest chroniona blokadą; w przeciwnym razie zachowanie jest niezdefiniowane, ale może wykazywać mniejszą niezgodność.

Zwroty:

• Output : To samo co „var”.

Atrybuty publiczne

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
)