fluxo tensor:: ops:: SparseApplyCenteredRMSPop

Atualize '*var' de acordo com o algoritmo RMSProp centralizado.

Resumo

O algoritmo RMSProp centrado utiliza uma estimativa do segundo momento centralizado (ou seja, a variância) para normalização, em oposição ao RMSProp regular, que utiliza o segundo momento (não centralizado). Isso geralmente ajuda no treinamento, mas é um pouco mais caro em termos de computação e memória.

Observe que na implementação densa desse algoritmo, mg, ms e mom serão atualizados mesmo se o grad for zero, mas nesta implementação esparsa, mg, ms e mom não serão atualizados em iterações durante as quais o grad for zero.

média_quadrada = decaimento * média_quadrada + (1-decadência) * gradiente ** 2 média_grad = decadência * média_grad + (1-decadência) * gradiente Delta = taxa de aprendizagem * gradiente / sqrt(média_quadrada + épsilon - média_grad ** 2)

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

Argumentos:

• escopo: um objeto Escopo
• var: Deve ser de uma variável().
• mg: Deve ser de uma variável().
• ms: Deve ser de uma variável().
• mãe: Deve ser de uma variável().
• lr: Fator de escala. Deve ser um escalar.
• rho: Taxa de decaimento. Deve ser um escalar.
• épsilon: termo Ridge. Deve ser um escalar.
• graduação: O gradiente.
• índices: Um vetor de índices na primeira dimensão de var, ms e mom.

Atributos opcionais (veja Attrs ):

• use_locking: Se True , a atualização dos tensores var, mg, ms e mom é protegida por um bloqueio; caso contrário, o comportamento será indefinido, mas poderá apresentar menos contenção.

Retorna:

• Output : igual a "var".

Atributos públicos

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
)