کلاس نهایی عمومی ResourceSparseApplyAdagrad
طبق طرح adagrad ورودی های مربوطه را در '*var' و '*accum' به روز کنید.
یعنی برای ردیف هایی که برای آنها grad داریم، var و accum را به صورت زیر به روز می کنیم: accum += grad * grad var -= lr * grad * (1 / sqrt(accum))
کلاس های تو در تو
کلاس | ResourceSparseApplyAdagrad.Options | ویژگی های اختیاری برای ResourceSparseApplyAdagrad |
ثابت ها
رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
static <T TType > ResourceSparseApplyAdagrad را گسترش می دهد | |
Static ResourceSparseApplyAdagrad.Options | UpdateSlots (Bolean updateSlots) |
Static ResourceSparseApplyAdagrad.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: "ResourceSparseApplyAdagrad"
روش های عمومی
ایجاد استاتیک عمومی ResourceSparseApplyAdagrad ( Scope scope، Operand <?> var، Operand <?> accum، Operand <T> lr، Operand <T> grad، Operand <? گسترش TNumber > شاخص ها، Options... گزینه ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات ResourceSparseApplyAdagrad جدید را بسته بندی می کند.
مولفه های
محدوده | محدوده فعلی |
---|---|
var | باید از یک متغیر () باشد. |
تجمع | باید از یک متغیر () باشد. |
lr | میزان یادگیری باید اسکالر باشد. |
درجه | گرادیان. |
شاخص ها | بردار شاخص ها در بعد اول var و accum. |
گزینه ها | مقادیر ویژگی های اختیاری را حمل می کند |
برمی گرداند
- یک نمونه جدید از ResourceSparseApplyAdagrad
Public Static ResourceSparseApplyAdagrad.Options useLocking (useLocking بولی)
مولفه های
استفاده از قفل کردن | اگر «درست» باشد، بهروزرسانی تانسور var و accum توسط یک قفل محافظت میشود. در غیر این صورت رفتار تعریف نشده است، اما ممکن است اختلاف کمتری از خود نشان دهد. |
---|