tf.raw_ops.ResourceApplyCenteredRMSProp

Обновление '*var' в соответствии с алгоритмом centered RMSProp.

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

Алгоритм centered RMSProp использует оценку центрального второго момента (т. е. дисперсии) для нормализации, в отличие от обычного RMSProp, который использует (нецентральный) второй момент. Это часто помогает при обучении, но немного дороже в плане вычислений и памяти.

Обратите внимание, что в плотной реализации этого алгоритма mg, ms и mom будут обновляться, даже если градиент равен нулю, но в этой разреженной реализации mg, ms и mom не будут обновляться в итерациях, во время которых градиент 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