'*var'ı RMSProp algoritmasına göre güncelleyin.
Bu algoritmanın yoğun uygulanmasında ms ve mom'in derece sıfır olsa bile güncelleneceğini, ancak bu seyrek uygulamada ms ve mom'in derecenin sıfır olduğu yinelemelerde güncellenmeyeceğini unutmayın.
ortalama_kare = bozunma * ortalama_kare + (1-bozunma) * gradyan ** 2 Delta = öğrenme_oranı * gradyan / sqrt(ortalama_kare + epsilon)
ms <- rho * ms_{t-1} + (1-rho) * grad * grad mom <- momentum * mom_{t-1} + lr * grad / sqrt(ms + epsilon) var <- var - mom
İç İçe Sınıflar
sınıf | ResourceApplyRmsProp.Options | ResourceApplyRmsProp için isteğe bağlı özellikler |
Sabitler
Sicim | OP_NAME | Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı |
Genel Yöntemler
statik <T, TType'ı genişletir > ResourceApplyRmsProp | |
statik ResourceApplyRmsProp.Options | useLocking (Boolean useLocking) |
Kalıtsal Yöntemler
Sabitler
genel statik son Dize OP_NAME
Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı
Genel Yöntemler
public static ResourceApplyRmsProp create ( Kapsam kapsamı, İşlenen <?> var, İşlenen <?> ms, İşlenen <?> anne, İşlenen <T> lr, İşlenen <T> rho, İşlenen <T> momentum, İşlenen <T> epsilon, İşlenen <T> grad, Seçenekler... seçenekler)
Yeni bir ResourceApplyRmsProp işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.
Parametreler
kapsam | mevcut kapsam |
---|---|
var | Bir Variable()'dan olmalıdır. |
Hanım | Bir Variable()'dan olmalıdır. |
anne | Bir Variable()'dan olmalıdır. |
IR | Ölçekleme faktörü. Bir skaler olmalı. |
ro | Çürüme oranı. Bir skaler olmalı. |
epsilon | Ridge terimi. Bir skaler olmalı. |
mezun | Gradyan. |
seçenekler | isteğe bağlı nitelik değerlerini taşır |
İadeler
- ResourceApplyRmsProp'un yeni bir örneği
public static ResourceApplyRmsProp.Options useLocking (Boolean useLocking)
Parametreler
KullanımKilitleme | 'Doğru' ise var, ms ve mom tensörlerinin güncellenmesi bir kilitle korunur; aksi takdirde davranış tanımsızdır ancak daha az çekişme sergileyebilir. |
---|