این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.

SendTPUEmbeddingGradients

کلاس نهایی عمومی SendTPUEmbeddingGradients

به روز رسانی گرادیان جداول جاسازی شده را انجام می دهد.

رشته OP_NAME نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

ایجاد ( محدوده دامنه ، تکرارپذیر< Operand < TFloat32 >> ورودی، تکرارپذیر< Operand < TFloat32 >> نرخ یادگیری، پیکربندی رشته)

روش کارخانه برای ایجاد کلاسی که یک عملیات جدید SendTPUEmbeddingGradients را بسته بندی می کند.

بولی نهایی	برابر است (object obj)
بین المللی نهایی	هش کد ()
عمل	عملیات () این واحد محاسبه را به عنوان یک `Operation` واحد برگردانید.
رشته نهایی	toString ()

از کلاس java.lang.Object

چکیده Execution Environment	env () محیط اجرایی را که این عملیات در آن ایجاد شده است برگردانید.
عملیات انتزاعی	عملیات () این واحد محاسبه را به عنوان یک `Operation` واحد برگردانید.

ثابت ها

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

مقدار ثابت: "SendTPUEmbeddingGradients"

روش کارخانه برای ایجاد کلاسی که یک عملیات جدید SendTPUEmbeddingGradients را بسته بندی می کند.

محدوده	محدوده فعلی
ورودی ها	TensorList از گرادیان هایی که با آن جداول جاسازی را به روز می کنند. این آرگومان دارای طول و شکل های مشابه با مقدار بازگشتی RecvTPUEmbeddingActivations است، اما شامل گرادیان های از دست دادن مدل با توجه به فعال سازی های تعبیه شده است. جداول جاسازی از این شیب ها از طریق بهینه ساز مشخص شده در پیکربندی جاسازی TPU داده شده به tpu.initialize_system به روز می شوند.
نرخ های یادگیری	TensorList از اسکالرهای float32، یکی برای هر برچسب نرخ یادگیری پویا: نظرات را در //third_party/tensorflow/core/protobuf/tpu/optimization_parameters.proto ببینید. چندین جدول می توانند همان برچسب نرخ یادگیری پویا را که در پیکربندی مشخص شده است به اشتراک بگذارند. اگر نرخ یادگیری برای همه جداول ثابت است، این لیست باید خالی باشد.
پیکربندی	پروتوی TPUEmbeddingConfiguration سریال.