قم بتحديث '*var' وفقًا لمخطط adadelta.
accum = rho() * accum + (1 - rho()) * grad.square(); التحديث = (update_accum + epsilon).sqrt() * (accum + epsilon()).rsqrt() * grad; update_accum = rho() * update_accum + (1 - rho()) * update.square(); فار -= تحديث;
فئات متداخلة
فصل | ApplyAdadelta.Options | السمات الاختيارية لـ ApplyAdadelta |
الثوابت
خيط | OP_NAME | اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي |
الأساليب العامة
الإخراج <T> | كإخراج () إرجاع المقبض الرمزي للموتر. |
ثابت <T يمتد TType > ApplyAdadelta <T> | |
الإخراج <T> | خارج () نفس "فار". |
ApplyAdadelta.Options ثابت | useLocking (استخدام منطقي منطقي) |
الطرق الموروثة
الثوابت
السلسلة النهائية الثابتة العامة OP_NAME
اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي
الأساليب العامة
الإخراج العام <T> كإخراج ()
إرجاع المقبض الرمزي للموتر.
المدخلات إلى عمليات TensorFlow هي مخرجات عملية TensorFlow أخرى. يتم استخدام هذه الطريقة للحصول على مقبض رمزي يمثل حساب الإدخال.
ثابت عام ApplyAdadelta <T> إنشاء ( نطاق النطاق ، المعامل <T> var، المعامل <T> تراكم، المعامل <T> تراكم تحديث، المعامل <T> lr، المعامل <T> rho، المعامل <T> epsilon، المعامل <T > غراد، خيارات... خيارات)
طريقة المصنع لإنشاء فئة تغلف عملية ApplyAdadelta جديدة.
حدود
نِطَاق | النطاق الحالي |
---|---|
فار | يجب أن يكون من متغير (). |
تراكم | يجب أن يكون من متغير (). |
تراكم | يجب أن يكون من متغير (). |
lr | عامل التحجيم. يجب أن يكون العددية. |
rho | عامل الاضمحلال. يجب أن يكون العددية. |
إبسيلون | عامل ثابت. يجب أن يكون العددية. |
خريج | التدرج. |
خيارات | يحمل قيم السمات الاختيارية |
عائدات
- مثيل جديد من ApplyAdadelta
ApplyAdadelta.Options العام الثابت useLocking (الاستخدام المنطقي Boolean useLocking)
حدود
useLocking | إذا كان True، فسيتم حماية تحديث موتر var وaccum وupdate_accum بواسطة قفل؛ وإلا فإن السلوك غير محدد، ولكنه قد يحمل قدرًا أقل من الخلاف. |
---|