przepływ tensorowy:: ops:: ResourceSparseApplyAdagrad

Zaktualizuj odpowiednie wpisy w „*var” i „*accum” zgodnie ze schematem adagrad.

Streszczenie

Oznacza to, że dla wierszy, dla których mamy grad, aktualizujemy var i accum w następujący sposób: accum += grad * grad var -= lr * grad * (1 / sqrt(accum))

Argumenty:

• zakres: Obiekt Scope
• var: Powinien pochodzić ze zmiennej ().
• accum: Powinien pochodzić ze zmiennej ().
• lr: Szybkość uczenia się. Musi być skalarem.
• grad: gradient.
• indeksy: wektor indeksów do pierwszego wymiaru var i accum.

Opcjonalne atrybuty (patrz Attrs ):

• use_locking: Jeśli True , aktualizacja tensorów var i accum będzie chroniona blokadą; w przeciwnym razie zachowanie jest niezdefiniowane, ale może wykazywać mniejszą rywalizację.

Zwroty:

• utworzoną Operation

Atrybuty publiczne

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
)