lớp cuối cùng công khai ApplyAdaMax
Cập nhật '*var' theo thuật toán AdaMax.
m_t <- beta1 * m_{t-1} + (1 - beta1) * g v_t <- max(beta2 * v_{t-1}, abs(g)) biến <- biến - learning_rate / (1 - beta1^ t) * m_t / (v_t + epsilon)
Các lớp lồng nhau
| lớp học | Áp dụngAdaMax.Options | Thuộc tính tùy chọn cho ApplyAdaMax | |
Hằng số
| Sợi dây | OP_NAME | Tên của op này, được biết đến bởi công cụ lõi TensorFlow |
Phương pháp công khai
| Đầu ra <T> | asOutput () Trả về tay cầm tượng trưng của tensor. |
| tĩnh <T mở rộng TType > Áp dụngAdaMax <T> | |
| Đầu ra <T> | ngoài () Tương tự như "var". |
| tĩnh ApplyAdaMax.Options | useLocking (Boolean useLocking) |
Phương pháp kế thừa
Hằng số
Chuỗi cuối cùng tĩnh công khai OP_NAME
Tên của op này, được biết đến bởi công cụ lõi TensorFlow
Giá trị không đổi: "Áp dụngAdaMax"
Phương pháp công khai
Đầu ra công khai <T> asOutput ()
Trả về tay cầm tượng trưng của tensor.
Đầu vào của các hoạt động TensorFlow là đầu ra của một hoạt động TensorFlow khác. Phương pháp này được sử dụng để thu được một thẻ điều khiển mang tính biểu tượng đại diện cho việc tính toán đầu vào.
public static ApplyAdaMax <T> tạo ( Phạm vi phạm vi, Toán hạng <T> var, Toán hạng <T> m, Toán hạng <T> v, Toán hạng <T> beta1Power, Toán hạng <T> lr, Toán hạng <T> beta1, Toán hạng <T > beta2, Toán hạng <T> epsilon, Toán hạng <T> cấp độ, Tùy chọn... tùy chọn)
Phương thức gốc để tạo một lớp bao bọc một hoạt động ApplyAdaMax mới.
Thông số
| phạm vi | phạm vi hiện tại |
|---|---|
| var | Phải từ một Biến(). |
| tôi | Phải từ một Biến(). |
| v | Phải từ một Biến(). |
| beta1Power | Phải là một vô hướng. |
| lr | Yếu tố nhân rộng. Phải là một vô hướng. |
| beta1 | Yếu tố động lượng. Phải là một vô hướng. |
| beta2 | Yếu tố động lượng. Phải là một vô hướng. |
| epsilon | Thuật ngữ sườn núi. Phải là một vô hướng. |
| tốt nghiệp | Độ dốc. |
| tùy chọn | mang các giá trị thuộc tính tùy chọn |
Trả lại
- một phiên bản mới của ApplyAdaMax
public static ApplyAdaMax.Options useLocking (Boolean useLocking)
Thông số
| sử dụngKhóa | Nếu `True`, việc cập nhật các tensor var, m và v sẽ được bảo vệ bằng khóa; mặt khác, hành vi không được xác định, nhưng có thể ít gây tranh cãi hơn. |
|---|