جریان تنسور:: عملیات:: ResourceApplyAdagrad

#include <training_ops.h>

"*var" را طبق طرح adagrad به روز کنید.

خلاصه

accum += grad * grad var -= lr * grad * (1 / sqrt(accum))

استدلال ها:

  • scope: یک شی Scope
  • var: باید از یک متغیر () باشد.
  • accum: باید از یک متغیر () باشد.
  • lr: ضریب مقیاس. باید اسکالر باشد.
  • grad: گرادیان.

ویژگی های اختیاری (به Attrs مراجعه کنید):

  • use_locking: اگر True ، به‌روزرسانی تانسور var و accum توسط یک قفل محافظت می‌شود. در غیر این صورت رفتار تعریف نشده است، اما ممکن است اختلاف کمتری از خود نشان دهد.

برمی‌گرداند:

سازندگان و ویرانگرها

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

صفات عمومی

operation

توابع عمومی

operator::tensorflow::Operation () const

توابع استاتیک عمومی

UpdateSlots (bool x)
UseLocking (bool x)

سازه ها

tensorflow:: ops:: ResourceApplyAdagrad:: Attrs

تنظیم کننده های ویژگی اختیاری برای ResourceApplyAdagrad .

صفات عمومی

عملیات 

Operation operation

توابع عمومی

ResourceApplyAdagrad 

 ResourceApplyAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input grad
)

ResourceApplyAdagrad 

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

عملگر::tensorflow::عملیات 

 operator::tensorflow::Operation() const

توابع استاتیک عمومی

به روز رسانی اسلات 

Attrs UpdateSlots(
  bool x
)

استفاده از قفل 

Attrs UseLocking(
  bool x
)