ResourceApplyKerasMomentum

kelas akhir publik ResourceApplyKerasMomentum

Perbarui '*var' sesuai dengan skema momentum.

Tetapkan use_nesterov = True jika Anda ingin menggunakan momentum Nesterov.

akumulasi = akumulasi * momentum - lr * lulusan var += akumulasi

Kelas Bersarang

kelas ResourceApplyKerasMomentum.Options Atribut opsional untuk ResourceApplyKerasMomentum

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

statis <T memperluas TType > ResourceApplyKerasMomentum
buat ( Lingkup lingkup, Operand <?> var, Operand <?> accum, Operand <T> lr, Operand <T> grad, Operand <T> momentum, Pilihan... pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi ResourceApplyKerasMomentum baru.
ResourceApplyKerasMomentum.Options statis
useLocking (penguncian penggunaan Boolean)
ResourceApplyKerasMomentum.Options statis
useNesterov (Boolean useNesterov)

Metode Warisan

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "ResourceApplyKerasMomentum"

Metode Publik

public static ResourceApplyKerasMomentum buat ( Ruang lingkup , Operan <?> var, Operan <?> accum, Operan <T> lr, Operan <T> grad, Operan <T> momentum, Opsi... pilihan)

Metode pabrik untuk membuat kelas yang membungkus operasi ResourceApplyKerasMomentum baru.

Parameter
cakupan ruang lingkup saat ini
var Harus dari Variabel().
akumulasi Harus dari Variabel().
lr Faktor skala. Pasti skalar.
lulusan Gradien.
momentum momentum. Pasti skalar.
pilihan membawa nilai atribut opsional
Kembali
  • contoh baru ResourceApplyKerasMomentum

ResourceApplyKerasMomentum.Options statis publik useLocking (Boolean useLocking)

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

ResourceApplyKerasMomentum.Options statis publik useNesterov (Boolean useNesterov)

Parameter
gunakanNesterov Jika `True`, tensor yang diteruskan ke komputasi grad akan menjadi var + momentum * accum, sehingga pada akhirnya, var yang Anda dapatkan sebenarnya adalah var + momentum * accum.