tensorflow::ops::SparseApplyCenteredRMSProp

#include <training_ops.h>

อัปเดต '*var' ตามอัลกอริทึม RMSProp แบบศูนย์กลาง

สรุป

อัลกอริทึม RMSProp แบบศูนย์กลางใช้ค่าประมาณของโมเมนต์ที่สองแบบศูนย์กลาง (เช่น ค่าความแปรปรวน) สำหรับการปรับค่าให้เป็นมาตรฐาน ซึ่งแตกต่างจาก RMSProp แบบปกติที่ใช้โมเมนต์ที่สอง (แบบไม่ศูนย์กลาง) วิธีนี้มักช่วยในการฝึกฝนโมเดลได้ดีขึ้น แต่มีค่าใช้จ่ายในการคำนวณและหน่วยความจำสูงกว่าเล็กน้อย

โปรดทราบว่าในการใช้งานอัลกอริทึมแบบหนาแน่น ตัวแปร mg, ms และ mom จะได้รับการอัปเดตแม้ว่าค่า grad จะเป็นศูนย์ แต่ในการใช้งานแบบเบาบางนี้ ตัวแปร mg, ms และ mom จะไม่ได้รับการอัปเดตในรอบการทำงานที่ค่า grad เป็นศูนย์

mean_square = decay * mean_square + (1-decay) * gradient ** 2 mean_grad = decay * mean_grad + (1-decay) * gradient Delta = learning_rate * gradient / sqrt(mean_square + epsilon - mean_grad ** 2)

$$ms <- rho * ms_{t-1} + (1-rho) * grad * grad$$
$$mom <- momentum * mom_{t-1} + lr * grad / sqrt(ms + epsilon)$$
$$var <- var - mom$$

ข้อโต้แย้ง:

  • ขอบเขต: วัตถุ ขอบเขต
  • var: ควรมาจาก Variable()
  • mg: ควรมาจากตัวแปร()
  • ms: ควรมาจากตัวแปร()
  • แม่: น่าจะมาจากตัวแปร (Variable) นะ
  • lr: ตัวคูณปรับขนาด ต้องเป็นค่าคงที่
  • โร: อัตราการสลายตัว ต้องเป็นปริมาณสเกลาร์
  • เอปซิลอน: เทอมของสัน ต้องเป็นค่าสเกลาร์
  • grad: ค่าความชัน
  • ดัชนี: เวกเตอร์ของดัชนีในมิติแรกของ var, ms และ mom

คุณลักษณะเสริม (ดูที่ Attrs ):

  • use_locking: หากตั้งค่า True การอัปเดตเทนเซอร์ var, mg, ms และ mom จะได้รับการป้องกันด้วยการล็อก มิเช่นนั้นพฤติกรรมจะไม่แน่นอน แต่การแย่งชิงทรัพยากรอาจน้อยลง

การส่งคืนสินค้า:

  • Output : เหมือนกับ "var"

ตัวสร้างและตัวทำลาย

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)

คุณลักษณะสาธารณะ

operation
out

หน้าที่สาธารณะ

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

ฟังก์ชันคงที่สาธารณะ

UseLocking (bool x)

โครงสร้าง

tensorflow::ops::SparseApplyCenteredRMSProp::Attrs

ตัวเลือกการตั้งค่าแอตทริบิวต์สำหรับ SparseApplyCenteredRMSProp

คุณลักษณะสาธารณะ

การดำเนินการ 

Operation operation

ออก 

::tensorflow::Output out

หน้าที่สาธารณะ

SparseApplyCenteredRMSProp 

 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 

 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
)

โหนด 

::tensorflow::Node * node() const

ตัวดำเนินการ::เทนเซอร์โฟลว์::อินพุต 

 operator::tensorflow::Input() const

ตัวดำเนินการ::เทนเซอร์โฟลว์::เอาต์พุต 

 operator::tensorflow::Output() const

ฟังก์ชันคงที่สาธารณะ

ใช้การล็อก 

Attrs UseLocking(
  bool x
)