টেনসরফ্লো :: অপস:: রিসোর্স অ্যাপ্লাই অ্যাডাডেল্টা

অ্যাডেলটা স্কিম অনুযায়ী '*var' আপডেট করুন।

সারাংশ

accum = rho() * accum + (1 - rho()) * grad.square(); update = (update_accum + epsilon).sqrt() * (accum + epsilon()).rsqrt() * grad; update_accum = rho() * update_accum + (1 - rho()) * update.square(); var -= আপডেট;

যুক্তি:

• স্কোপ: একটি স্কোপ অবজেক্ট
• var: একটি পরিবর্তনশীল() থেকে হওয়া উচিত।
• accum: একটি পরিবর্তনশীল() থেকে হতে হবে।
• accum_update: একটি পরিবর্তনশীল() থেকে হওয়া উচিত।
• lr: স্কেলিং ফ্যাক্টর। একটি স্কেলার হতে হবে।
• rho: ক্ষয় ফ্যাক্টর। একটি স্কেলার হতে হবে।
• epsilon: ধ্রুবক ফ্যাক্টর। একটি স্কেলার হতে হবে।
• grad: গ্রেডিয়েন্ট।

ঐচ্ছিক বৈশিষ্ট্য (দেখুন Attrs ):

• use_locking: যদি সত্য হয়, var, accum এবং update_accum tensors আপডেট করা একটি লক দ্বারা সুরক্ষিত হবে; অন্যথায় আচরণটি অনির্ধারিত, তবে কম বিরোধ প্রদর্শন করতে পারে।

রিটার্ন:

• সৃষ্ট Operation

পাবলিক বৈশিষ্ট্য

Operation operation

 ResourceApplyAdadelta(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input accum_update,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad
)

 ResourceApplyAdadelta(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input accum_update,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  const ResourceApplyAdadelta::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)