جریان تنسور:: عملیات:: ResourceApplyAdagrad

#include <training_ops.h>

"*var" را طبق طرح adagrad به روز کنید.

خلاصه

accum += grad * grad var -= lr * grad * (1 / sqrt(accum))

استدلال ها:

• scope: یک شی Scope
• var: باید از یک متغیر () باشد.
• accum: باید از یک متغیر () باشد.
• lr: ضریب مقیاس. باید اسکالر باشد.
• grad: گرادیان.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• use_locking: اگر True ، به‌روزرسانی تانسور 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.

برمی‌گرداند:

• Operation ایجاد شده

سازندگان و ویرانگرها
ResourceApplyAdagrad (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input accum, :: tensorflow::Input lr, :: tensorflow::Input grad)
ResourceApplyAdagrad (const :: tensorflow::Scope & scope, :: tensorflow::Input var, :: tensorflow::Input accum, :: tensorflow::Input lr, :: tensorflow::Input grad, const ResourceApplyAdagrad::Attrs & attrs)

صفات عمومی
operation	Operation

توابع عمومی
operator::tensorflow::Operation () const

توابع استاتیک عمومی
UpdateSlots (bool x)	Attrs
UseLocking (bool x)	Attrs

سازه ها
tensorflow:: ops:: ResourceApplyAdagrad:: Attrs	تنظیم کننده های ویژگی اختیاری برای ResourceApplyAdagrad .

صفات عمومی

عملیات

Operation operation

توابع عمومی

ResourceApplyAdagrad

 ResourceApplyAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input grad
)

ResourceApplyAdagrad

 ResourceApplyAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input grad,
  const ResourceApplyAdagrad::Attrs & attrs
)

عملگر::tensorflow::عملیات

 operator::tensorflow::Operation() const 

توابع استاتیک عمومی

به روز رسانی اسلات

Attrs UpdateSlots(
  bool x
)

استفاده از قفل

Attrs UseLocking(
  bool x
)