SendTPUEmbeddingGradients
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Выполняет градиентное обновление таблиц внедрения.
Унаследованные методы
Из класса java.lang.Object логическое значение | равно (Объект arg0) |
последний класс<?> | получитьКласс () |
интервал | хэш-код () |
окончательная пустота | поставить в известность () |
окончательная пустота | уведомитьВсе () |
Нить | нанизывать () |
окончательная пустота | подождать (длинный arg0, int arg1) |
окончательная пустота | подождите (длинный arg0) |
окончательная пустота | ждать () |
Публичные методы
Фабричный метод для создания класса, обертывающего новую операцию SendTPUEmbeddingGradients.
Параметры
объем | текущий объем |
---|
входы | TensorList градиентов, с помощью которых можно обновить таблицы внедрения. Этот аргумент имеет ту же длину и форму, что и возвращаемое значение RecvTPUEmbeddingActivations, но содержит градиенты потерь модели по отношению к активации внедрения. Таблицы внедрения обновляются на основе этих градиентов с помощью оптимизатора, указанного в конфигурации внедрения TPU, указанной в tpu.initialize_system. |
---|
обучениеЦены | TensorList скаляров float32, по одному для каждого тега динамической скорости обучения: см. комментарии в // Third_party/tensorflow/core/protobuf/tpu/optimization_parameters.proto. Несколько таблиц могут использовать один и тот же тег динамической скорости обучения, указанный в конфигурации. Если скорость обучения для всех таблиц постоянна, этот список должен быть пустым. |
---|
конфигурация | Сериализованный прототип TPUEmbeddingConfiguration. |
---|
Возврат
- новый экземпляр SendTPUEmbeddingGradients
Если не указано иное, контент на этой странице предоставляется по лицензии Creative Commons "С указанием авторства 4.0", а примеры кода – по лицензии Apache 2.0. Подробнее об этом написано в правилах сайта Google Developers. Java – это зарегистрированный товарный знак корпорации Oracle и/или ее аффилированных лиц. Определенный контент лицензирован по лицензии numpy.
Последнее обновление: 2023-12-01 UTC.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Отсутствует нужная мне информация"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Слишком сложен/слишком много шагов"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Устарел"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Проблема с переводом текста"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Проблемы образцов/кода"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Другое"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Прост для понимания"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Помог мне решить мою проблему"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Другое"
}]
{
"lastModified": "Последнее обновление: 2023-12-01 UTC.",
"confidential": False
}