Adagrad şemasına göre '*var' ve '*accum'daki ilgili girişleri güncelleyin.
Yani, derecelendirdiğimiz satırlar için var ve accum'u şu şekilde güncelliyoruz: $$accum += grad * grad$$$$var -= lr * grad * (1 / sqrt(accum))$$
İç İçe Sınıflar
sınıf | SparseApplyAdagrad.Options | SparseApplyAdagrad için isteğe bağlı özellikler |
Sabitler
Sicim | OP_NAME | Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı |
Genel Yöntemler
Çıkış <T> | Çıkış olarak () Tensörün sembolik tutamacını döndürür. |
static <T, TType'ı genişletir > SparseApplyAdagrad <T> | |
Çıkış <T> | dışarı () "Var" ile aynı. |
statik SparseApplyAdagrad.Options | updateSlots (Boolean updateSlots) |
statik SparseApplyAdagrad.Options | useLocking (Boolean useLocking) |
Kalıtsal Yöntemler
Sabitler
genel statik son Dize OP_NAME
Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı
Genel Yöntemler
genel Çıkış <T> asOutput ()
Tensörün sembolik tutamacını döndürür.
TensorFlow işlemlerinin girdileri, başka bir TensorFlow işleminin çıktılarıdır. Bu yöntem, girişin hesaplanmasını temsil eden sembolik bir tanıtıcı elde etmek için kullanılır.
public static SparseApplyAdagrad <T> create ( Kapsam kapsamı, İşlenen <T> var, İşlenen <T> accum, İşlenen <T> lr, İşlenen <T> epsilon, İşlenen <T> grad, İşlenen <? extends TNumber > indeksler, Seçenekler ... seçenekler)
Yeni bir SparseApplyAdagrad işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.
Parametreler
kapsam | mevcut kapsam |
---|---|
var | Bir Variable()'dan olmalıdır. |
birikim | Bir Variable()'dan olmalıdır. |
IR | Öğrenme oranı. Bir skaler olmalı. |
epsilon | Sabit faktör. Bir skaler olmalı. |
mezun | Gradyan. |
endeksler | var ve accum'un birinci boyutuna ait indekslerin bir vektörü. |
seçenekler | isteğe bağlı nitelik değerlerini taşır |
İadeler
- SparseApplyAdagrad'ın yeni bir örneği
public static SparseApplyAdagrad.Options useLocking (Boolean useLocking)
Parametreler
KullanımKilitleme | 'Doğru' ise var ve accum tensörlerinin güncellenmesi bir kilitle korunacaktır; aksi takdirde davranış tanımsızdır ancak daha az çekişme sergileyebilir. |
---|