جریان تنسور:: عملیات:: SparseApplyAdagradDA

#include <training_ops.h>

ورودی‌های «*var» و «*accum» را طبق طرح آداگراد پروگزیمال به‌روزرسانی کنید.

خلاصه

استدلال ها:

  • scope: یک شی Scope
  • var: باید از یک متغیر () باشد.
  • gradient_accumulator: باید از یک متغیر () باشد.
  • gradient_squared_accumulator: باید از یک متغیر () باشد.
  • grad: گرادیان.
  • شاخص ها: بردار شاخص ها در بعد اول var و accum.
  • lr: میزان یادگیری. باید اسکالر باشد.
  • l1: تنظیم L1. باید اسکالر باشد.
  • l2: تنظیم L2. باید اسکالر باشد.
  • global_step: شماره مرحله آموزش. باید اسکالر باشد.

ویژگی های اختیاری (به Attrs مراجعه کنید):

  • use_locking: اگر True باشد، به‌روزرسانی تانسورهای var و accum توسط یک قفل محافظت می‌شود. در غیر این صورت رفتار تعریف نشده است، اما ممکن است اختلاف کمتری از خود نشان دهد.

برمی‌گرداند:

سازندگان و ویرانگرها

SparseApplyAdagradDA (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input gradient_accumulator, :: tensorflow::Input gradient_squared_accumulator, :: tensorflow::Input grad, :: tensorflow::Input indices, :: tensorflow::Input lr, :: tensorflow::Input l1, :: tensorflow::Input l2, :: tensorflow::Input global_step)
SparseApplyAdagradDA (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input gradient_accumulator, :: tensorflow::Input gradient_squared_accumulator, :: tensorflow::Input grad, :: tensorflow::Input indices, :: tensorflow::Input lr, :: tensorflow::Input l1, :: tensorflow::Input l2, :: tensorflow::Input global_step, const SparseApplyAdagradDA::Attrs & attrs)

صفات عمومی

operation
out

توابع عمومی

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

توابع استاتیک عمومی

UseLocking (bool x)

سازه ها

tensorflow:: ops:: SparseApplyAdagradDA:: Attrs

تنظیم کننده های ویژگی اختیاری برای SparseApplyAdagradDA .

صفات عمومی

عملیات 

Operation operation

بیرون 

::tensorflow::Output out

توابع عمومی

SparseApplyAdagradDA 

 SparseApplyAdagradDA(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input gradient_accumulator,
  ::tensorflow::Input gradient_squared_accumulator,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input global_step
)

SparseApplyAdagradDA 

 SparseApplyAdagradDA(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input gradient_accumulator,
  ::tensorflow::Input gradient_squared_accumulator,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input global_step,
  const SparseApplyAdagradDA::Attrs & attrs
)

گره 

::tensorflow::Node * node() const

عملگر::tensorflow::ورودی 

 operator::tensorflow::Input() const

عملگر::tensorflow::خروجی 

 operator::tensorflow::Output() const

توابع استاتیک عمومی

استفاده از قفل

Attrs UseLocking(
  bool x
)