tf.raw_ops.ResourceApplyCenteredRMSProp

Обновляет '*var' в соответствии с алгоритмом центрированного RMSProp.

tf.raw_ops.ResourceApplyCenteredRMSProp(
    var,
    mg,
    ms,
    mom,
    lr,
    rho,
    momentum,
    epsilon,
    grad,
    use_locking=False,
    name=None
)

Алгоритм центрированного RMSProp использует оценку центрированного второго момента (т. е. дисперсии) для нормализации, в отличие от обычного RMSProp, который использует (нецентрированный) второй момент. Это часто помогает в обучении, но требует немного больше вычислительных ресурсов и памяти.

Обратите внимание, что в плотной (dense) реализации этого алгоритма mg, ms и mom будут обновляться, даже если grad равен нулю, но в этой разреженной (sparse) реализации mg, ms и mom не будут обновляться на итерациях, где grad равен нулю.

mean_square = decay * mean_square + (1-decay) * gradient ** 2 mean_grad = decay * mean_grad + (1-decay) * gradient

Delta = learning_rate * gradient / sqrt(mean_square + epsilon - mean_grad ** 2)

mg <- rho * mg{t-1} + (1-rho) * grad ms <- rho * ms{t-1} + (1-rho) * grad * grad mom <- momentum * mom_{t-1} + lr * grad / sqrt(ms - mg * mg + epsilon) var <- var - mom