tensorflow :: ops :: SparseApplyMomentum

Atualize as entradas relevantes em '* var' e '* acum' de acordo com o esquema de momento.

Resumo

Defina use_nesterov = True se quiser usar o momentum de Nesterov.

Isso é para linhas para as quais temos grad, atualizamos var e acumulando da seguinte forma:

$$accum = accum * momentum + grad$$ $$var -= lr * accum$$

Argumentos:

• escopo: um objeto Scope
• var: deve ser de uma variável ().
• acum: deve ser de uma variável ().
• lr: Taxa de aprendizagem. Deve ser um escalar.
• grad: O gradiente.
• índices: Um vetor de índices na primeira dimensão de var e de acum.
• momentum: Momentum. Deve ser um escalar.

Atributos opcionais (consulte Attrs ):

• use_locking: Se True , a atualização dos tensores var e Accum será protegida por um bloqueio; caso contrário, o comportamento é indefinido, mas pode exibir menos contenção.
• use_nesterov: Se True , o tensor passado para calcular grad será var - lr * momento * acum, então no final, o var que você obtém é realmente var - lr * momento * acum.

Retorna:

• Output : igual a "var".

Atributos públicos

Operation operation

::tensorflow::Output out

 SparseApplyMomentum(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input momentum
)

 SparseApplyMomentum(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input momentum,
  const SparseApplyMomentum::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)

Attrs UseNesterov(
  bool x
)