ResourceApplyAdaMax

کلاس نهایی عمومی ResourceApplyAdaMax

"*var" را طبق الگوریتم AdaMax به روز کنید.

m_t <- beta1 * m_{t-1} + (1 - beta1) * g v_t <- max(beta2 * v_{t-1}, abs(g)) متغیر <- متغیر - نرخ_آموزش / (1 - beta1^ t) * m_t / (v_t + اپسیلون)

کلاس های تو در تو

کلاس ResourceApplyAdaMax.Options ویژگی های اختیاری برای ResourceApplyAdaMax

ثابت ها

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

روش های عمومی

static <T TType > ResourceApplyAdaMax را گسترش می دهد
ایجاد ( Scope scope، Operand <?> var، Operand <?> m، Operand <?> v، Operand <T> beta1Power، Operand <T> lr، Operand <T> beta1، Operand <T> beta2، Operand <T > epsilon، Operand <T> grad، Options... گزینه ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات ResourceApplyAdaMax جدید را بسته بندی می کند.
استاتیک ResourceApplyAdaMax.Options
useLocking (قفل کردن استفاده بولی)

روش های ارثی

ثابت ها

رشته نهایی ثابت عمومی OP_NAME

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

مقدار ثابت: "ResourceApplyAdaMax"

روش های عمومی

عمومی استاتیک ResourceApplyAdaMax ایجاد ( دامنه دامنه ، عملوند <?> var، عملوند <?> m، عملوند <?> v، عملوند <T> beta1Power، عملوند <T> lr، عملوند <T> بتای 1، عملوند <T> بتا2، عملوند <T> اپسیلون، عملوند <T> grad، گزینه‌ها... گزینه‌ها)

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

مولفه های
محدوده محدوده فعلی
var باید از یک متغیر () باشد.
متر باید از یک متغیر () باشد.
v باید از یک متغیر () باشد.
beta1Power باید اسکالر باشد.
lr ضریب پوسته پوسته شدن باید اسکالر باشد.
بتا 1 عامل حرکت. باید اسکالر باشد.
بتا2 عامل حرکت. باید اسکالر باشد.
اپسیلون ترم ریج. باید اسکالر باشد.
درجه گرادیان.
گزینه ها مقادیر ویژگی های اختیاری را حمل می کند
برمی گرداند
  • یک نمونه جدید از ResourceApplyAdaMax

Public Static ResourceApplyAdaMax.Options useLocking (مصرف بولی قفل)

مولفه های
استفاده از قفل کردن اگر «درست» باشد، به‌روزرسانی تانسورهای var، m و v توسط یک قفل محافظت می‌شود. در غیر این صورت رفتار تعریف نشده است، اما ممکن است اختلاف کمتری از خود نشان دهد.