flujo tensor:: operaciones:: AplicarRMSProp

Actualice '*var' según el algoritmo RMSProp.

Resumen

Tenga en cuenta que en una implementación densa de este algoritmo, ms y mom se actualizarán incluso si el grad es cero, pero en esta implementación escasa, ms y mom no se actualizarán en iteraciones durante las cuales el grad sea cero.

cuadrado_medio = decaimiento * cuadrado_medio + (1-decaimiento) * gradiente ** 2 Delta = tasa_de_aprendizaje * gradiente / sqrt (cuadrado_medio + épsilon)

ms <- rho * ms_{t-1} + (1-rho) * grad * grad mamá <- impulso * mamá_{t-1} + lr * grad / sqrt(ms + épsilon) var <- var - mamá

Argumentos:

• alcance: un objeto de alcance
• var: debe ser de una variable().
• ms: debe ser de una variable().
• mamá: Debería ser de una Variable().
• lr: Factor de escala. Debe ser un escalar.
• rho: tasa de desintegración. Debe ser un escalar.
• épsilon: término de cresta. Debe ser un escalar.
• grad: El gradiente.

Atributos opcionales (ver Attrs ):

• use_locking: si es True , la actualización de los tensores var, ms y mom está protegida por un bloqueo; de lo contrario, el comportamiento no está definido, pero puede presentar menos contención.

Devoluciones:

• Output : Igual que "var".

Atributos públicos

Operation operation

::tensorflow::Output out

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

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

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)