ResourceSparseApplyAdagradDa

kelas akhir publik ResourceSparseApplyAdagradDa

Perbarui entri di '*var' dan '*accum' sesuai dengan skema adagrad proksimal.

Kelas Bersarang

kelas ResourceSparseApplyAdagradDa.Options Atribut opsional untuk ResourceSparseApplyAdagradDa

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

statis <T memperluas TType > ResourceSparseApplyAdagradDa
buat ( Lingkup lingkup, Operan <?> var, Operan <?> gradienAkumulator, Operan <?> gradienSquaredAccumulator, Operan <T> grad, Operan <? extends TNumber > indeks, Operan <T> lr, Operan <T> l1, Operan <T> l2, Operan < TInt64 > globalStep, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi ResourceSparseApplyAdagradDa baru.
ResourceSparseApplyAdagradDa.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: "ResourceSparseApplyAdagradDA"

Metode Publik

public static ResourceSparseApplyAdagradDa buat ( Ruang lingkup, Operan <?> var, Operan <?> gradienAccumulator, Operan <?> gradienSquaredAccumulator, Operan <T> lulusan, Operan <? extends TNumber > indeks, Operan <T> lr, Operan <T> l1, Operan <T> l2, Operan < TInt64 > globalStep, Opsi... opsi)

Metode pabrik untuk membuat kelas yang membungkus operasi ResourceSparseApplyAdagradDa baru.

Parameter
cakupan ruang lingkup saat ini
var Harus dari Variabel().
akumulator gradien Harus dari Variabel().
akumulator gradienSquared Harus dari Variabel().
lulusan Gradien.
indeks Vektor indeks ke dalam dimensi pertama var dan accum.
lr Kecepatan pembelajaran. Pasti skalar.
l1 Regularisasi L1. Pasti skalar.
l2 Regularisasi L2. Pasti skalar.
langkah global Nomor langkah pelatihan. Pasti skalar.
pilihan membawa nilai atribut opsional
Kembali
  • contoh baru ResourceSparseApplyAdagradDa

ResourceSparseApplyAdagradDa.Options statis publik useLocking (Boolean useLocking)

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