ApplyAddSign

kelas akhir publik ApplyAddSign

Perbarui '*var' sesuai dengan pembaruan AddSign.

m_t <- beta1 * m_{t-1} + (1 - beta1) * g pembaruan <- (alpha + sign_decay * tanda(g) *tanda(m)) * g variabel <- variabel - lr_t * pembaruan

Kelas Bersarang

kelas TerapkanAddSign.Options Atribut opsional untuk ApplyAddSign

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

Keluaran <T>
sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
statis <T memperluas TType > ApplyAddSign <T>
buat ( Lingkup lingkup, Operand <T> var, Operand <T> m, Operand <T> lr, Operand <T> alpha, Operand <T> signDecay, Operand <T> beta, Operand <T> grad, Pilihan.. . pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi ApplyAddSign baru.
Keluaran <T>
keluar ()
Sama seperti "var".
ApplyAddSign.Options statis
useLocking (penguncian penggunaan Boolean)

Metode Warisan

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "ApplyAddSign"

Metode Publik

Keluaran publik <T> sebagai Keluaran ()

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.

public static ApplyAddSign <T> buat ( Ruang lingkup, Operan <T> var, Operan <T> m, Operan <T> lr, Operan <T> alpha, Operan <T> signDecay, Operan <T> beta, Operan <T > lulusan, Pilihan... pilihan)

Metode pabrik untuk membuat kelas yang membungkus operasi ApplyAddSign baru.

Parameter
cakupan ruang lingkup saat ini
var Harus dari Variabel().
M Harus dari Variabel().
lr Faktor skala. Pasti skalar.
alfa Pasti skalar.
tandaPeluruhan Pasti skalar.
beta Pasti skalar.
lulusan Gradien.
pilihan membawa nilai atribut opsional
Kembali
  • contoh baru dari ApplyAddSign

Keluaran publik <T> keluar ()

Sama seperti "var".

ApplyAddSign.Options useLocking statis publik (Boolean useLocking)

Parameter
gunakan Penguncian Jika `True`, pembaruan tensor var dan m dilindungi oleh kunci; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan.