tensor akışı:: işlem:: ResourceApplyAdamWithAmsgrad

'*var'ı Adam algoritmasına göre güncelleyin.

Özet

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

Argümanlar:

• kapsam: Bir Kapsam nesnesi
• var: Bir Variable()'dan olmalıdır.
• m: Bir Variable()'dan olmalıdır.
• v: Bir Variable()'dan olmalıdır.
• vhat: Bir Variable()'dan olmalıdır.
• beta1_power: Skaler olmalı.
• beta2_power: Skaler olmalı.
• lr: Ölçeklendirme faktörü. Bir skaler olmalı.
• beta1: Momentum faktörü. Bir skaler olmalı.
• beta2: Momentum faktörü. Bir skaler olmalı.
• epsilon: Ridge terimi. Bir skaler olmalı.
• grad: Gradyan.

İsteğe bağlı özellikler (bkz. Attrs ):

• use_locking: True ise var, m ve v tensörlerinin güncellenmesi bir kilitle korunacaktır; aksi takdirde davranış tanımsızdır ancak daha az çekişme sergileyebilir.

İade:

• oluşturulan Operation

Genel özellikler

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
)