tensorflow:: אופס:: ResourceApplyAdamWithAmsgrad

עדכן את '*var' לפי אלגוריתם Adam.

תַקצִיר

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

טיעונים:

• scope: אובייקט Scope
• var: צריך להיות מ-Variable().
• m: צריך להיות ממשתנה().
• v: צריך להיות מ-Variable().
• vhat: צריך להיות מ-Variable().
• beta1_power: חייב להיות סקלרי.
• beta2_power: חייב להיות סקלרי.
• lr: גורם קנה מידה. חייב להיות סקלר.
• beta1: גורם מומנטום. חייב להיות סקלר.
• beta2: גורם מומנטום. חייב להיות סקלר.
• אפסילון: מונח רכס. חייב להיות סקלר.
• grad: השיפוע.

מאפיינים אופציונליים (ראה Attrs ):

• use_locking: אם True , עדכון הטנזורים var, m ו-v יהיה מוגן על ידי מנעול; אחרת ההתנהגות אינה מוגדרת, אך עלולה להפגין פחות מחלוקת.

החזרות:

• Operation שנוצר

תכונות ציבוריות

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
)