Mettez à jour les entrées pertinentes dans '*var' et '*accum' selon le schéma adagrad.
C'est pour les lignes pour lesquelles nous avons grad, nous mettons à jour var et accumulé comme suit : accum += grad * grad var -= lr * grad * (1 / sqrt(accum))
Classes imbriquées
classe | ResourceSparseApplyAdagrad.Options | Attributs facultatifs pour ResourceSparseApplyAdagrad |
Constantes
Chaîne | OP_NAME | Le nom de cette opération, tel que connu par le moteur principal TensorFlow |
Méthodes publiques
statique <T étend TType > ResourceSparseApplyAdagrad | |
statique ResourceSparseApplyAdagrad.Options | updateSlots (updateSlots booléen) |
statique ResourceSparseApplyAdagrad.Options | useLocking (booléen useLocking) |
Méthodes héritées
Constantes
chaîne finale statique publique OP_NAME
Le nom de cette opération, tel que connu par le moteur principal TensorFlow
Méthodes publiques
public static ResourceSparseApplyAdagrad create ( Scope scope, Operand <?> var, Operand <?> accum, Operand <T> lr, Operand <T> grad, Operand <? extends TNumber > indices, Options... options)
Méthode d'usine pour créer une classe encapsulant une nouvelle opération ResourceSparseApplyAdagrad.
Paramètres
portée | portée actuelle |
---|---|
var | Doit provenir d'une variable (). |
cumuler | Doit provenir d'une variable (). |
g / D | Taux d'apprentissage. Ça doit être un scalaire. |
diplômé | Le dégradé. |
indices | Un vecteur d'indices dans la première dimension de var et cumul. |
choix | porte des valeurs d'attributs facultatifs |
Retour
- une nouvelle instance de ResourceSparseApplyAdagrad
public statique ResourceSparseApplyAdagrad.Options useLocking (booléen useLocking)
Paramètres
utiliserVerrouillage | Si `True`, la mise à jour des tenseurs var et cumul sera protégée par un verrou ; sinon, le comportement n'est pas défini, mais peut présenter moins de conflits. |
---|