Trang này được dịch bởi Cloud Translation API.

ResourceSparseApplyMomentum

lớp cuối cùng công khai ResourceSparseApplyMomentum

Cập nhật các mục nhập có liên quan trong '*var' và '*accum' theo sơ đồ động lượng.

Đặt use_nesterov = True nếu bạn muốn sử dụng đà Nesterov.

Đó là đối với các hàng chúng tôi có grad, chúng tôi cập nhật var và accum như sau:

tích lũy = tích lũy * đà + grad var -= lr * tích lũy

lớp học ResourceSparseApplyMomentum.Options Thuộc tính tùy chọn cho ResourceSparseApplyMomentum

Sợi dây OP_NAME Tên của op này, được biết đến bởi công cụ lõi TensorFlow

tĩnh <T mở rộng TType > ResourceSparseApplyMomentum	tạo ( Phạm vi phạm vi, Toán hạng <?> var, Toán hạng <?> accum, Toán hạng <T> lr, Toán hạng <T> grad, Toán hạng <? mở rộng TNumber > chỉ số, Động lượng Toán hạng <T>, Tùy chọn... tùy chọn) Phương thức gốc để tạo một lớp bao bọc một hoạt động ResourceSparseApplyMomentum mới.
tĩnh ResourceSparseApplyMomentum.Options	useLocking (Boolean useLocking)
tĩnh ResourceSparseApplyMomentum.Options	useNesterov (Sử dụng BooleanNesterov)

boolean cuối cùng	bằng (Đối tượng obj)
int cuối cùng	Mã Băm ()
Hoạt động	ồ () Trả về đơn vị tính toán này dưới dạng một `Operation` .
chuỗi cuối cùng	toString ()

Từ lớp java.lang.Object

môi trường thực thi trừu tượng	env () Trả về môi trường thực thi mà op này được tạo trong đó.
hoạt động trừu tượng	ồ () Trả về đơn vị tính toán này dưới dạng một `Operation` .

Hằng số

Tên của op này, được biết đến bởi công cụ lõi TensorFlow

Giá trị không đổi: "ResourceSparseApplyMomentum"

Phương thức gốc để tạo một lớp bao bọc một hoạt động ResourceSparseApplyMomentum mới.

phạm vi	phạm vi hiện tại
var	Phải từ một Biến().
tích lũy	Phải từ một Biến().
lr	Tỷ lệ học. Phải là một vô hướng.
tốt nghiệp	Độ dốc.
chỉ số	Một vectơ chỉ số theo chiều thứ nhất của var và accum.
Quán tính	Quán tính. Phải là một vô hướng.
tùy chọn	mang các giá trị thuộc tính tùy chọn

sử dụngKhóa	Nếu `True`, việc cập nhật các tensor var và accum sẽ được bảo vệ bằng khóa; mặt khác, hành vi không được xác định, nhưng có thể ít gây tranh cãi hơn.

sử dụngNesterov	Nếu `True`, tenxơ được truyền để tính grad sẽ là var - lr * đà * tích lũy, vì vậy cuối cùng, var bạn nhận được thực sự là var - lr * đà * tích lũy.