เทนเซอร์โฟลว์:: ปฏิบัติการ:: ResourceApplyAdamWithAmsgrad

อัปเดต '*var' ตามอัลกอริทึมของ Adam

สรุป

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

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• var: ควรมาจากตัวแปร ()
• m: ควรมาจากตัวแปร ()
• v: ควรมาจากตัวแปร ()
• vhat: ควรมาจากตัวแปร ()
• beta1_power: ต้องเป็นสเกลาร์
• beta2_power: ต้องเป็นสเกลาร์
• lr: ปัจจัยการปรับขนาด ต้องเป็นสเกลาร์
• beta1: ปัจจัยโมเมนตัม ต้องเป็นสเกลาร์
• beta2: ปัจจัยโมเมนตัม ต้องเป็นสเกลาร์
• เอปไซลอน: ระยะสัน ต้องเป็นสเกลาร์
• ผู้สำเร็จการศึกษา: การไล่ระดับสี

แอ็ตทริบิวต์ทางเลือก (ดู Attrs ):

• use_locking: หากเป็น True การอัปเดตเทนเซอร์ var, m และ v จะได้รับการปกป้องด้วยการล็อค มิฉะนั้นพฤติกรรมจะไม่ได้กำหนดไว้ แต่อาจแสดงความขัดแย้งน้อยลง

ผลตอบแทน:

• Operation ที่สร้างขึ้น

คุณลักษณะสาธารณะ

Operation operation

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

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

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)