ResourceApplyRmsProp

ResourceApplyRmsProp kelas akhir publik

Perbarui '*var' sesuai dengan algoritma RMSProp.

Perhatikan bahwa dalam penerapan algoritma ini yang padat, ms dan mom akan memperbarui meskipun gradasinya nol, tetapi dalam implementasi yang jarang ini, ms dan mom tidak akan memperbarui dalam iterasi yang gradannya nol.

mean_square = peluruhan * mean_square + (1-decay) * gradien ** 2 Delta = learning_rate * gradien / sqrt(mean_square + epsilon)

ms <- rho * ms_{t-1} + (1-rho) * lulusan * lulusan ibu <- momentum * ibu_{t-1} + lr * lulusan / sqrt(ms + epsilon) var <- var - ibu

Kelas Bersarang

kelas ResourceApplyRmsProp.Options Atribut opsional untuk ResourceApplyRmsProp

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

statis <T memperluas TType > ResourceApplyRmsProp
buat ( Lingkup lingkup, Operand <?> var, Operand <?> ms, Operand <?> mom, Operand <T> lr, Operand <T> rho, Operand <T> momentum, Operand <T> epsilon, Operand <T > lulusan, Pilihan... pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi ResourceApplyRmsProp baru.
ResourceApplyRmsProp.Options statis
useLocking (penguncian penggunaan Boolean)

Metode Warisan

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "ResourceApplyRMSProp"

Metode Publik

public static ResourceApplyRmsProp buat ( Ruang lingkup , Operan <?> var, Operan <?> ms, Operan <?> ibu, Operan <T> lr, Operan <T> rho, Operan <T> momentum, Operan <T> epsilon, Operan <T> lulusan, Opsi... opsi)

Metode pabrik untuk membuat kelas yang membungkus operasi ResourceApplyRmsProp baru.

Parameter
cakupan ruang lingkup saat ini
var Harus dari Variabel().
MS Harus dari Variabel().
Mama Harus dari Variabel().
lr Faktor skala. Pasti skalar.
rho Tingkat pembusukan. Pasti skalar.
epsilon Istilah punggung bukit. Pasti skalar.
lulusan Gradien.
pilihan membawa nilai atribut opsional
Kembali
  • contoh baru ResourceApplyRmsProp

ResourceApplyRmsProp.Options statis publik useLocking (Boolean useLocking)

Parameter
gunakan Penguncian Jika `True`, pembaruan tensor var, ms, dan mom dilindungi oleh kunci; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan.