tf.raw_ops.SparseApplyAdagradDA
Обновление записей в 'var' и 'accum' в соответствии со схемой приближённого стохастического градиентного спуска Adagrad.
tf.raw_ops.SparseApplyAdagradDA(
var,
gradient_accumulator,
gradient_squared_accumulator,
grad,
indices,
lr,
l1,
l2,
global_step,
use_locking=False,
name=None
)
| Аргументы | |
|---|---|
var | Изменяемый Tensor. Должен быть одним из следующих типов: float32, float64, int32, uint8, int16, int8, complex64, int64, qint8, quint8, qint32, bfloat16, qint16, quint16, uint16, complex128, half, uint32, uint64. Должен быть из переменной(). |
gradient_accumulator | Изменяемый Tensor. Должен иметь тот же тип, что и var. Должен быть из переменной(). |
gradient_squared_accumulator | Изменяемый Tensor. Должен иметь тот же тип, что и var. Должен быть из переменной(). |
grad | Tensor. Должен иметь тот же тип, что и var. Градиент. |
indices | Tensor. Должен быть одним из следующих типов: int32, int64. Вектор индексов в первом измерении var и accum. |
lr | Tensor. Должен иметь тот же тип, что и var. Скорость обучения. Должен быть скалярным. |
l1 | Tensor. Должен иметь тот же тип, что и var. L1 регуляризация. Должен быть скалярным. |
l2 | Tensor. Должен иметь тот же тип, что и var. L2 регуляризация. Должен быть скалярным. |
global_step | Tensor типа int64. Номер шага обучения. Должен быть скалярным. |
use_locking | Необязательный bool. По умолчанию False. Если True, обновление тензоров var и accum будет защищено блокировкой; в противном случае поведение не определено, но может проявлять меньшую конкуренцию. |
name | Имя операции (необязательно). |
| Возвращаемое значение | |
|---|---|
Изменяемый Tensor. Имеет тот же тип, что и var. |
© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/raw_ops/SparseApplyAdagradDA
