टेंसरफ़्लो:: ऑप्स:: रिसोर्सएप्लाईएडेल्टा

एडडेल्टा योजना के अनुसार '*var' को अपडेट करें।

सारांश

Accum = rho() * Accum + (1 - rho()) * grad.square(); अद्यतन = (update_accum + epsilon).sqrt() * (accum + epsilon()).rsqrt() * grad; update_accum = rho() * update_accum + (1 - rho()) * update.square(); var - = अद्यतन;

तर्क:

• स्कोप: एक स्कोप ऑब्जेक्ट
• var: एक वेरिएबल() से होना चाहिए।
• संचय: एक वेरिएबल() से होना चाहिए।
• accum_update: एक वेरिएबल() से होना चाहिए।
• एलआर: स्केलिंग कारक। एक अदिश राशि होनी चाहिए.
• आरएचओ: क्षय कारक। एक अदिश राशि होनी चाहिए.
• एप्सिलॉन: लगातार कारक। एक अदिश राशि होनी चाहिए.
• ग्रेड: ग्रेडिएंट.

वैकल्पिक विशेषताएँ (देखें Attrs ):

• उपयोग_लॉकिंग: यदि सही है, तो var, accum और update_accum टेंसर का अद्यतनीकरण लॉक द्वारा सुरक्षित किया जाएगा; अन्यथा व्यवहार अपरिभाषित है, लेकिन कम विवाद प्रदर्शित कर सकता है।

रिटर्न:

• बनाया गया Operation

सार्वजनिक गुण

Operation operation

 ResourceApplyAdadelta(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input accum_update,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad
)

 ResourceApplyAdadelta(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input accum_update,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  const ResourceApplyAdadelta::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)