"*var" را طبق طرح adadelta به روز کنید.
accum = rho() * accum + (1 - rho()) * grad.square(); به روز رسانی = (update_accum + epsilon).sqrt() * (accum + epsilon()).rsqrt() * grad; update_accum = rho() * update_accum + (1 - rho()) * update.square(); var -= به روز رسانی;
کلاس های تو در تو
کلاس | ApplyAdadelta.Options | ویژگی های اختیاری برای ApplyAdadelta |
ثابت ها
رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
خروجی <T> | asOutput () دسته نمادین تانسور را برمی گرداند. |
static <T TType > ApplyAdadelta <T> را گسترش می دهد | |
خروجی <T> | بیرون () همان "var". |
استاتیک ApplyAdadelta.Options | useLocking (قفل کردن استفاده بولی) |
روش های ارثی
ثابت ها
رشته نهایی ثابت عمومی OP_NAME
نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود
روش های عمومی
خروجی عمومی <T> asOutput ()
دسته نمادین تانسور را برمی گرداند.
ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.
استاتیک عمومی ApplyAdadelta <T> ایجاد ( دامنه دامنه ، عملوند <T> var، عملوند <T> accum، عملوند <T> accumUpdate، عملوند <T> lr، عملوند <T> rho، عملوند <T> اپسیلون، عملوند <T> > درجه، گزینهها... گزینهها)
روش کارخانه برای ایجاد کلاسی که یک عملیات ApplyAdadelta جدید را بسته بندی می کند.
مولفه های
محدوده | محدوده فعلی |
---|---|
var | باید از یک متغیر () باشد. |
تجمع | باید از یک متغیر () باشد. |
انباشته کردن | باید از یک متغیر () باشد. |
lr | ضریب پوسته پوسته شدن باید اسکالر باشد. |
rho | عامل پوسیدگی باید اسکالر باشد. |
اپسیلون | عامل ثابت. باید اسکالر باشد. |
درجه | گرادیان. |
گزینه ها | مقادیر ویژگی های اختیاری را حمل می کند |
برمی گرداند
- یک نمونه جدید از ApplyAdadelta
عمومی ایستا ApplyAdadelta.Options useLocking (useLocking بولی)
مولفه های
استفاده از قفل کردن | اگر True باشد، بهروزرسانی تانسورهای var، accum و update_accum توسط یک قفل محافظت میشود. در غیر این صورت رفتار تعریف نشده است، اما ممکن است اختلاف کمتری از خود نشان دهد. |
---|