tensoreflusso:: ops:: Applica Adam

Aggiorna '*var' secondo l'algoritmo di Adam.

Riepilogo

$$lr_t := {learning_rate} * {1 - beta_2^t} / (1 - beta_1^t)$$ $$m_t := beta_1 * m_{t-1} + (1 - beta_1) * g$$ $$v_t := beta_2 * v_{t-1} + (1 - beta_2) * g * g$$ $$variable := variable - lr_t * m_t / ({v_t} + )$$

Argomenti:

• scope: un oggetto Scope
• var: dovrebbe provenire da una variabile().
• m: dovrebbe provenire da una variabile().
• v: dovrebbe provenire da una variabile().
• beta1_power: deve essere uno scalare.
• beta2_power: deve essere uno scalare.
• lr: fattore di scala. Deve essere uno scalare.
• beta1: fattore di slancio. Deve essere uno scalare.
• beta2: fattore di slancio. Deve essere uno scalare.
• epsilon: termine di cresta. Deve essere uno scalare.
• grad: il gradiente.

Attributi facoltativi (vedi Attrs ):

• use_locking: Se True , l'aggiornamento dei tensori var, m e v sarà protetto da un blocco; altrimenti il ​​comportamento non è definito, ma può mostrare meno contesa.
• use_nesterov: Se True , utilizza l'aggiornamento nesterov.

Resi:

• Output : Uguale a "var".

Attributi pubblici

Operation operation

::tensorflow::Output out

 ApplyAdam(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input m,
  ::tensorflow::Input v,
  ::tensorflow::Input beta1_power,
  ::tensorflow::Input beta2_power,
  ::tensorflow::Input lr,
  ::tensorflow::Input beta1,
  ::tensorflow::Input beta2,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad
)

 ApplyAdam(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input m,
  ::tensorflow::Input v,
  ::tensorflow::Input beta1_power,
  ::tensorflow::Input beta2_power,
  ::tensorflow::Input lr,
  ::tensorflow::Input beta1,
  ::tensorflow::Input beta2,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  const ApplyAdam::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)

Attrs UseNesterov(
  bool x
)