tensorflow :: ops :: ResourceSparseApplyAdagrad

bookmark_border Mantenha tudo organizado com as coleções Salve e categorize o conteúdo com base nas suas preferências.

Atualize as entradas relevantes em '* var' e '* acum' de acordo com o esquema adagrad.

Resumo

Isso é para linhas para as quais temos grad, atualizamos var e acum como segue: acum + = grad * grad var - = lr * grad * (1 / sqrt (acum))

Argumentos:

• escopo: um objeto Scope
• var: deve ser de uma variável ().
• acum: deve ser de uma variável ().
• lr: Taxa de aprendizagem. Deve ser um escalar.
• grad: O gradiente.
• índices: Um vetor de índices na primeira dimensão de var e de acum.

Atributos opcionais (consulte Attrs ):

• use_locking: Se True , a atualização dos tensores var e Accum será protegida por um bloqueio; caso contrário, o comportamento é indefinido, mas pode exibir menos contenção.

Retorna:

• a Operation criada

Atributos públicos

Operation operation

 ResourceSparseApplyAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices
)

 ResourceSparseApplyAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  const ResourceSparseApplyAdagrad::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UpdateSlots(
  bool x
)

Attrs UseLocking(
  bool x
)