ResourceSparseApplyAdagrad

genel son sınıf ResourceSparseApplyAdagrad

Adagrad şemasına göre '*var' ve '*accum'daki ilgili girişleri güncelleyin.

Yani grad kullandığımız satırlar için var ve accum'u şu şekilde güncelliyoruz: accum += grad * grad var -= lr * grad * (1 / sqrt(accum))

sınıf ResourceSparseApplyAdagrad.Options ResourceSparseApplyAdagrad için isteğe bağlı özellikler

Sicim OP_NAME Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı

static <T , TType'ı genişletir > ResourceSparseApplyAdagrad	create ( Kapsam kapsamı, İşlenen <?> var, İşlenen <?> accum, İşlenen <T> lr, İşlenen <T> grad, İşlenen <? extends TNumber > dizinler, Seçenekler... seçenekler) Yeni bir ResourceSparseApplyAdagrad işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.
statik ResourceSparseApplyAdagrad.Options	updateSlots (Boolean updateSlots)
statik ResourceSparseApplyAdagrad.Options	useLocking (Boolean useLocking)

son boole değeri	eşittir (Nesne nesnesi)
son int	hash kodu ()
Operasyon	işlem () Bu hesaplama birimini tek bir `Operation` olarak döndürün.
son Dize	toString ()

Java.lang.Object sınıfından

özet Yürütme Ortamı	env () Bu operasyonun oluşturulduğu yürütme ortamını döndürün.
soyut Operasyon	işlem () Bu hesaplama birimini tek bir `Operation` olarak döndürün.

Sabitler

Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı

Sabit Değer: "ResourceSparseApplyAdagrad"

Yeni bir ResourceSparseApplyAdagrad işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.

kapsam	mevcut kapsam
var	Bir Variable()'dan olmalıdır.
birikim	Bir Variable()'dan olmalıdır.
IR	Öğrenme oranı. Bir skaler olmalı.
mezun	Gradyan.
endeksler	var ve accum'un birinci boyutuna ait indekslerin bir vektörü.
seçenekler	isteğe bağlı nitelik değerlerini taşır

KullanımKilitleme	'Doğru' ise var ve accum tensörlerinin güncellenmesi bir kilitle korunacaktır; aksi takdirde davranış tanımsızdır ancak daha az çekişme sergileyebilir.