ResourceApplyAdaMax

kelas akhir publik ResourceApplyAdaMax

Perbarui '*var' sesuai dengan algoritma AdaMax.

m_t <- beta1 * m_{t-1} + (1 - beta1) * g v_t <- max(beta2 * v_{t-1}, abs(g)) variabel <- variabel - kecepatan_belajar / (1 - beta1^ t) * m_t / (v_t + epsilon)

Kelas Bersarang

kelas ResourceApplyAdaMax.Options Atribut opsional untuk ResourceApplyAdaMax

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

statis <T memperluas TType > ResourceApplyAdaMax
buat ( Lingkup lingkup, Operand <?> var, Operand <?> m, Operand <?> v, Operand <T> beta1Power, Operand <T> lr, Operand <T> beta1, Operand <T> beta2, Operand <T > epsilon, Operan <T> lulusan, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi ResourceApplyAdaMax baru.
ResourceApplyAdaMax.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: "ResourceApplyAdaMax"

Metode Publik

public static ResourceApplyAdaMax buat ( Ruang lingkup , Operan <?> var, Operan <?> m, Operan <?> v, Operan <T> beta1Power, Operan <T> lr, Operan <T> beta1, Operan <T> beta2, Operan <T> epsilon, Operan <T> grad, Opsi... opsi)

Metode pabrik untuk membuat kelas yang membungkus operasi ResourceApplyAdaMax baru.

Parameter
cakupan ruang lingkup saat ini
var Harus dari Variabel().
M Harus dari Variabel().
ay Harus dari Variabel().
beta1Kekuatan Pasti skalar.
lr Faktor skala. Pasti skalar.
beta1 Faktor momentum. Pasti skalar.
beta2 Faktor momentum. Pasti skalar.
epsilon Istilah punggungan. Pasti skalar.
lulusan Gradien.
pilihan membawa nilai atribut opsional
Kembali
  • contoh baru ResourceApplyAdaMax

ResourceApplyAdaMax.Options statis publik useLocking (Boolean useLocking)

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