Halaman ini diterjemahkan oleh Cloud Translation API.

SparseConditionalAccumulator

Akumulator SparseConditional kelas akhir publik

Akumulator bersyarat untuk menggabungkan gradien renggang.

Akumulator menerima gradien yang ditandai dengan langkah_lokal lebih besar atau sama dengan langkah_global terbaru yang diketahui oleh akumulator. Rata-rata dapat diambil dari akumulator, asalkan gradien yang cukup telah terakumulasi. Mengekstraksi rata-rata secara otomatis menyetel ulang agregat ke 0, dan menambah global_step yang dicatat oleh akumulator.

Kelas Bersarang

kelas Akumulator Bersyarat Jarang.Opsi Atribut opsional untuk SparseConditionalAccumulator

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

Keluaran <TString>	sebagai Keluaran () Mengembalikan pegangan simbolis tensor.
SparseConditionalAccumulator.Options statis	wadah (wadah string)
statis <T memperluas TType > SparseConditionalAccumulator	buat ( Lingkup lingkup, Kelas<T> dtype, Bentuk bentuk, Opsi... opsi) Metode pabrik untuk membuat kelas yang membungkus operasi SparseConditionalAccumulator baru.
Keluaran <TString>	menangani () Pegangan ke akumulator.
SparseConditionalAccumulator.Options statis	Tipe reduksi (Tipe reduksi string)
SparseConditionalAccumulator.Options statis	Nama Bersama (String Nama Bersama)

Metode Warisan

Dari kelas org.tensorflow.op.RawOp

boolean terakhir	sama dengan (Objek objek)
int terakhir	Kode hash ()
Operasi	op () Kembalikan unit komputasi ini sebagai satu `Operation` .
String terakhir	keString ()

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkan Kelas ()
ke dalam	Kode hash ()
kekosongan terakhir	memberitahu ()
kekosongan terakhir	beri tahuSemua ()
Rangkaian	keString ()
kekosongan terakhir	tunggu (arg0 panjang, int arg1)
kekosongan terakhir	tunggu (argumen panjang0)
kekosongan terakhir	Tunggu ()

Dari antarmuka org.tensorflow.op.Op

Lingkungan Eksekusi abstrak	env () Kembalikan lingkungan eksekusi tempat operasi ini dibuat.
Operasi abstrak	op () Kembalikan unit komputasi ini sebagai satu `Operation` .

Dari antarmuka org.tensorflow.Operand

Keluaran abstrak < TString >	sebagai Keluaran () Mengembalikan pegangan simbolis tensor.
TString abstrak	sebagai Tensor () Mengembalikan tensor pada operan ini.
Bentuk abstrak	membentuk () Mengembalikan bentuk tensor (yang mungkin diketahui sebagian) yang dirujuk oleh `Output` operan ini.
Kelas abstrak< TString >	jenis () Mengembalikan tipe tensor operan ini

Dari antarmuka org.tensorflow.ndarray.Shaped

abstrak ke dalam	peringkat ()
Bentuk abstrak	membentuk ()
abstrak panjang	ukuran () Menghitung dan mengembalikan ukuran total wadah ini, dalam jumlah nilai.

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "SparseConditionalAccumulator"

Metode Publik

Keluaran publik < TString > asOutput ()

Mengembalikan pegangan simbolis tensor.

Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

wadah SparseConditionalAccumulator.Options statis publik (wadah string)

Parameter

wadah	Jika tidak kosong, akumulator ini ditempatkan pada wadah yang ditentukan. Jika tidak, wadah default akan digunakan.

pembuatan SparseConditionalAccumulator statis publik ( Lingkup cakupan, Kelas<T> dtype, Bentuk bentuk, Opsi... opsi)

Metode pabrik untuk membuat kelas yang membungkus operasi SparseConditionalAccumulator baru.

Parameter

cakupan	ruang lingkup saat ini
tipe	Jenis nilai yang diakumulasikan.
membentuk	Bentuk nilai-nilainya.
pilihan	membawa nilai atribut opsional

Kembali

contoh baru dari SparseConditionalAccumulator

Output publik < TString > pegangan ()

Pegangan ke akumulator.

SparseConditionalAccumulator.Options static publik Tipe reduksi (Tipe reduksi string)

SparseConditionalAccumulator.Options sharedName statis publik (String sharedName)

Parameter

nama bersama	Jika tidak kosong, akumulator ini akan dibagikan dengan nama yang diberikan ke beberapa sesi.