Perbarui entri yang relevan di '*var' dan '*accum' sesuai dengan skema momentum.
Tetapkan use_nesterov = True jika Anda ingin menggunakan momentum Nesterov.
Itu untuk baris yang memiliki grad, kami memperbarui var dan accum sebagai berikut:
accum = accum * momentum + lulusan var -= lr * accum
Kelas Bersarang
| kelas | ResourceSparseApplyMomentum.Options | Atribut opsional untuk ResourceSparseApplyMomentum | |
Konstanta
| Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow | 
Metode Publik
| statis <T memperluas TType > ResourceSparseApplyMomentum | |
| ResourceSparseApplyMomentum.Options statis |  useLocking (penguncian penggunaan Boolean) | 
| ResourceSparseApplyMomentum.Options statis |  useNesterov (Boolean useNesterov)  | 
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Metode Publik
public static ResourceSparseApplyMomentum buat ( Lingkup cakupan , Operand <?> var, Operand <?> accum, Operand <T> lr, Operand <T> grad, Operand <? extends TNumber > indeks, Operand <T> momentum, Opsi... pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi ResourceSparseApplyMomentum baru.
Parameter
| cakupan | ruang lingkup saat ini | 
|---|---|
| var | Harus dari Variabel(). | 
| akumulasi | Harus dari Variabel(). | 
| lr | Kecepatan pembelajaran. Pasti skalar. | 
| lulusan | Gradien. | 
| indeks | Vektor indeks ke dalam dimensi pertama var dan accum. | 
| momentum | momentum. Pasti skalar. | 
| pilihan | membawa nilai atribut opsional | 
Kembali
- contoh baru ResourceSparseApplyMomentum
ResourceSparseApplyMomentum.Options statis publik useLocking (Boolean useLocking)
Parameter
| gunakan Penguncian | Jika `True`, pembaruan tensor var dan accum akan dilindungi oleh kunci; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan. | 
|---|
ResourceSparseApplyMomentum.Options statis publik useNesterov (Boolean useNesterov)
Parameter
| gunakanNesterov | Jika `True`, tensor yang diteruskan ke komputasi grad adalah var - lr * momentum * accum, jadi pada akhirnya, var yang Anda dapatkan sebenarnya adalah var - lr * momentum * accum. | 
|---|