Peringatan: API ini tidak digunakan lagi dan akan dihapus di versi TensorFlow mendatang setelah penggantinya stabil.

ResourceApplyAdamWithAmsgrad

kelas akhir publik ResourceApplyAdamWithAmsgrad

Perbarui '*var' sesuai dengan algoritma Adam.

$$\text{lr}_t := \mathrm{learning_rate} * \sqrt{1 - \beta_2^t} / (1 - \beta_1^t)$$$$m_t := \beta_1 * m_{t-1} + (1 - \beta_1) * g$$$$v_t := \beta_2 * v_{t-1} + (1 - \beta_2) * g * g$$$$\hat{v}_t := max{\hat{v}_{t-1}, v_t}$$$$\text{variable} := \text{variable} - \text{lr}_t * m_t / (\sqrt{\hat{v}_t} + \epsilon)$$

Kelas Bersarang

kelas ResourceApplyAdamWithAmsgrad.Options Atribut opsional untuk ResourceApplyAdamWithAmsgrad

Metode Publik

statis <T> ResourceApplyAdamWithAmsgrad
create ( Scope scope, Operand <?> var, Operand <?> m, Operand <?> v, Operand <?> vhat, Operand <T> beta1Power, Operand <T> beta2Power, Operand <T> lr, Operand <T > beta1, Operan <T> beta2, Operan <T> epsilon, Operan <T> grad, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi ResourceApplyAdamWithAmsgrad baru.
ResourceApplyAdamWithAmsgrad.Options statis
useLocking (Penguncian penggunaan Boolean)

Metode yang Diwarisi

Metode Publik

public static ResourceApplyAdamWithAmsgrad create ( Scope scope, Operand <?> var, Operand <?> m, Operand <?> v, Operand <?> vhat, Operand <T> beta1Power, Operand <T> beta2Power, Operand <T> lr, Operand <T> beta1, Operand <T> beta2, Operand <T> epsilon, Operand <T> grad, Opsi... opsi)

Metode pabrik untuk membuat kelas yang membungkus operasi ResourceApplyAdamWithAmsgrad baru.

Parameter
cakupan lingkup saat ini
var Harus dari Variabel().
M Harus dari Variabel().
v Harus dari Variabel().
apa Harus dari Variabel().
beta1Power Harus skalar.
beta2Power Harus skalar.
lr Faktor skala. Harus skalar.
beta1 Faktor momentum. Harus skalar.
beta2 Faktor momentum. Harus skalar.
epsilon Istilah punggungan. Harus skalar.
lulusan Gradien.
pilihan membawa nilai atribut opsional
Kembali
  • contoh baru ResourceApplyAdamWithAmsgrad

ResourceApplyAdamWithAmsgrad.Options public static useLocking (Boolean useLocking)

Parameter
gunakanPenguncian Jika `True`, pembaruan tensor var, m, dan v akan dilindungi oleh kunci; jika tidak, perilaku tidak terdefinisi, tetapi mungkin menunjukkan lebih sedikit pertentangan.