ResourceSparseApplyAdadelta

کلاس نهایی عمومی ResourceSparseApplyAdadelta

var: باید از یک متغیر () باشد.

کلاس های تو در تو

کلاس

ResourceSparseApplyAdadelta.Options

ویژگی های اختیاری برای ResourceSparseApplyAdadelta

ثابت ها

رشته

OP_NAME

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

روش های عمومی

static <T TType > ResourceSparseApplyAdadelta را گسترش می دهد	ایجاد ( Scope scope، Operand <?> var، Operand <?> accum، Operand <?> accumUpdate، Operand <T> lr، Operand <T> rho، Operand <T> epsilon، Operand <T> grad، Operand <? TNumber را گسترش می دهد > شاخص ها، گزینه ها ... گزینه ها) روش کارخانه برای ایجاد کلاسی که یک عملیات ResourceSparseApplyAdadelta جدید را بسته بندی می کند.
Static ResourceSparseApplyAdadelta.Options	useLocking (قفل کردن استفاده بولی)

روش های ارثی

از کلاس org.tensorflow.op.RawOp

بولی نهایی	برابر است (object obj)
بین المللی نهایی	هش کد ()
عمل	عملیات () این واحد محاسبه را به عنوان یک Operation واحد برگردانید.
رشته نهایی	toString ()

از کلاس java.lang.Object

بولی	برابر است (شیء arg0)
کلاس نهایی<?>	getClass ()
بین المللی	هش کد ()
باطل نهایی	اعلام کردن ()
باطل نهایی	اطلاع رسانی به همه ()
رشته	toString ()
باطل نهایی	صبر کنید (long arg0، int arg1)
باطل نهایی	صبر کنید (طولانی arg0)
باطل نهایی	صبر کن ()

از رابط org.tensorflow.op.Op

چکیده Execution Environment	env () محیط اجرایی را که این عملیات در آن ایجاد شده است برگردانید.
عملیات انتزاعی	عملیات () این واحد محاسبه را به عنوان یک Operation واحد برگردانید.

ثابت ها

رشته نهایی ثابت عمومی OP_NAME

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

مقدار ثابت: "ResourceSparseApplyAdadelta"

روش های عمومی

عمومی static ResourceSparseApplyAdadelta create ( Scope scope, Operand <?> var, Operand <?> accum, Operand <?> accumUpdate, Operand <T> lr, Operand <T> rho, Operand <T> epsilon, Operand <T> grad, عملوند <? TNumber > شاخص‌ها، گزینه‌ها... گزینه‌ها را گسترش می‌دهد.

روش کارخانه برای ایجاد کلاسی که یک عملیات ResourceSparseApplyAdadelta جدید را بسته بندی می کند.

مولفه های

محدوده	محدوده فعلی
تجمع	باید از یک متغیر () باشد.
انباشته کردن	: باید از یک متغیر () باشد.
lr	میزان یادگیری باید اسکالر باشد.
rho	عامل پوسیدگی باید اسکالر باشد.
اپسیلون	عامل ثابت. باید اسکالر باشد.
درجه	گرادیان.
شاخص ها	بردار شاخص ها در بعد اول var و accum.
گزینه ها	مقادیر ویژگی های اختیاری را حمل می کند

برمی گرداند

• یک نمونه جدید از ResourceSparseApplyAdadelta

عمومی استاتیک ResourceSparseApplyAdadelta.Options useLocking (useLocking بولی)

مولفه های

استفاده از قفل کردن	اگر درست باشد، به‌روزرسانی تانسورهای var و accum توسط یک قفل محافظت می‌شود. در غیر این صورت رفتار تعریف نشده است، اما ممکن است اختلاف کمتری از خود نشان دهد.