ResourceSparseApplyAdagrad

ResourceSparseApplyAdagrad คลาสสุดท้ายสาธารณะ

อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบ adagrad

นั่นคือสำหรับแถวที่เรามี grad เราอัปเดต var และ accum ดังนี้: accum += grad * grad var -= lr * grad * (1 / sqrt(accum))

ระดับ ResourceSparseApplyAdagrad.Options แอ็ตทริบิวต์ทางเลือกสำหรับ ResourceSparseApplyAdagrad

สตริง OP_NAME ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow

คงที่ <T ขยาย TType > ResourceSparseApplyAdagrad	สร้าง ( ขอบเขต ขอบเขต ตัวดำเนินการ <?> var, ตัวดำเนินการ <?> accum, ตัวดำเนินการ <T> lr, ตัวดำเนินการ <T> ผู้สำเร็จการศึกษา, ตัวดำเนินการ <? ขยาย TNumber > ดัชนี, ตัวเลือก... ตัวเลือก) วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ ResourceSparseApplyAdagrad ใหม่
ResourceSparseApplyAdagrad.Options แบบคงที่	updateSlots (บูลีน updateSlots)
ResourceSparseApplyAdagrad.Options แบบคงที่	useLocking (การใช้ล็อคแบบบูลีน)

จากคลาส org.tensorflow.op.RawOp

บูลีนสุดท้าย	เท่ากับ (วัตถุ obj)
int สุดท้าย	แฮชโค้ด ()
การดำเนินการ	สหกรณ์ () ส่งกลับหน่วยการคำนวณนี้เป็นการ `Operation` เดียว
สตริงสุดท้าย	toString ()

จากคลาส java.lang.Object

จากอินเทอร์เฟ ซ org.tensorflow.op.Op

บทคัดย่อ ExecutionEnvironment	สิ่งแวดล้อม () ส่งคืนสภาพแวดล้อมการดำเนินการที่ op นี้ถูกสร้างขึ้น
การดำเนินการ ที่เป็นนามธรรม	สหกรณ์ () ส่งกลับหน่วยการคำนวณนี้เป็นการ `Operation` เดียว

ค่าคงที่

ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow

ค่าคงที่: "ResourceSparseApplyAdagrad"

วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ ResourceSparseApplyAdagrad ใหม่

ขอบเขต	ขอบเขตปัจจุบัน
var	ควรมาจากตัวแปร ()
สะสม	ควรมาจากตัวแปร ()
ล	อัตราการเรียนรู้ ต้องเป็นสเกลาร์
ผู้สำเร็จการศึกษา	การไล่ระดับสี
ดัชนี	เวกเตอร์ของดัชนีในมิติแรกของ var และ accum
ตัวเลือก	มีค่าแอตทริบิวต์ทางเลือก

ใช้ล็อค	หากเป็น "จริง" การอัปเดต var และ accum tensor จะได้รับการปกป้องด้วยการล็อค มิฉะนั้นพฤติกรรมจะไม่ได้กำหนดไว้ แต่อาจแสดงความขัดแย้งน้อยลง