SendTPUEmbeddingGradients

публичный финальный класс SendTPUEmbeddingGradients

Выполняет градиентное обновление таблиц внедрения.

Константы

Нить

OP_NAME

Название этой операции, известное основному движку TensorFlow.

Публичные методы

статический SendTPUEmbeddingGradients

create (область действия , Iterable< Operand < TFloat32 >> входы, Iterable< Operand < TFloat32 >> LearningRates, строковая конфигурация) Фабричный метод для создания класса, обертывающего новую операцию SendTPUEmbeddingGradients.

Унаследованные методы

Из класса org.tensorflow.op.RawOp

последнее логическое значение	равно (Объект obj)
окончательный интервал	хэш-код ()
Операция	оп () Верните эту единицу вычислений как одну Operation .
последняя строка	нанизывать ()

Из класса java.lang.Object

логическое значение	равно (Объект arg0)
последний класс<?>	получитьКласс ()
интервал	хэш-код ()
окончательная пустота	поставить в известность ()
окончательная пустота	уведомитьВсе ()
Нить	нанизывать ()
окончательная пустота	подождать (длинный arg0, int arg1)
окончательная пустота	подождите (длинный arg0)
окончательная пустота	ждать ()

Из интерфейса org.tensorflow.op.Op

абстрактная среда выполнения	окружение () Верните среду выполнения, в которой была создана эта операция.
абстрактная операция	оп () Верните эту единицу вычислений как одну Operation .

Константы

общедоступная статическая финальная строка OP_NAME

Название этой операции, известное основному движку TensorFlow.

Постоянное значение: «SendTPUEmbeddingGradients»

Публичные методы

public static SendTPUEmbeddingGradients create (область действия , Iterable< Operand < TFloat32 >> входы, Iterable< Operand < TFloat32 >> LearningRates, строковая конфигурация)

Фабричный метод для создания класса, обертывающего новую операцию SendTPUEmbeddingGradients.

Параметры

объем	текущий объем
входы	TensorList градиентов, с помощью которых можно обновить таблицы внедрения. Этот аргумент имеет ту же длину и форму, что и возвращаемое значение RecvTPUEmbeddingActivations, но содержит градиенты потерь модели по отношению к активации внедрения. Таблицы внедрения обновляются на основе этих градиентов с помощью оптимизатора, указанного в конфигурации внедрения TPU, указанной в tpu.initialize_system.
обучениеЦены	TensorList скаляров float32, по одному для каждого тега динамической скорости обучения: см. комментарии в // Third_party/tensorflow/core/protobuf/tpu/optimization_parameters.proto. Несколько таблиц могут использовать один и тот же тег динамической скорости обучения, указанный в конфигурации. Если скорость обучения для всех таблиц постоянна, этот список должен быть пустым.
конфигурация	Сериализованный прототип TPUEmbeddingConfiguration.

Возврат

• новый экземпляр SendTPUEmbeddingGradients