テンソルフロー::作戦:: SparseApplyCenteredRMSProp

中心の RMSProp アルゴリズムに従って「*var」を更新します。

まとめ

中心RMSPropアルゴリズムは、(非中心の)2次モーメントを使用する通常のRMSPropとは対照的に、正規化に中心2次モーメント(つまり、分散)の推定値を使用します。これはトレーニングに役立つことがよくありますが、計算とメモリの点で若干高価になります。

このアルゴリズムの高密度実装では、grad が 0 であっても mg、ms、および mom が更新されますが、このスパース実装では、grad が 0 である反復では mg、ms、および mom が更新されないことに注意してください。

平均二乗 = 減衰 * 平均二乗 + (1-減衰) * 勾配 ** 2 平均等級 = 減衰 * 平均勾配 + (1-減衰) * 勾配 デルタ = 学習率 * 勾配 / sqrt(平均二乗 + イプシロン - 平均勾配 ** 2)

$$ms <- rho * ms_{t-1} + (1-rho) * grad * grad$$ $$mom <- momentum * mom_{t-1} + lr * grad / sqrt(ms + epsilon)$$ $$var <- var - mom$$

引数:

• スコープ:スコープオブジェクト
• var: Variable() から取得する必要があります。
• mg: Variable() から取得する必要があります。
• ms: Variable() からのものである必要があります。
• mom: Variable() からのものである必要があります。
• lr: スケーリング係数。スカラーでなければなりません。
• rho: 減衰率。スカラーでなければなりません。
• イプシロン: リッジ項。スカラーでなければなりません。
• grad: グラデーション。
• indices: var、ms、mom の最初の次元へのインデックスのベクトル。

オプションの属性 ( Attrsを参照):

• use_locking: Trueの場合、var、mg、ms、および mom テンソルの更新はロックによって保護されます。それ以外の場合、動作は未定義ですが、競合が少なくなる可能性があります。

戻り値:

• Output : 「var」と同じ。

パブリック属性

Operation operation

::tensorflow::Output out

 SparseApplyCenteredRMSProp(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input mg,
  ::tensorflow::Input ms,
  ::tensorflow::Input mom,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input momentum,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices
)

 SparseApplyCenteredRMSProp(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input mg,
  ::tensorflow::Input ms,
  ::tensorflow::Input mom,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input momentum,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  const SparseApplyCenteredRMSProp::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)