tensorflow::ops::ApplyAdagradDA

#include <training_ops.h>

Обновить '*var' по схеме проксимального адаграда.

Summary

Arguments:

• scope: Объект Scope
• var: Должен быть из Variable().
• gradient_accumulator: Должен быть из Variable().
• gradient_squared_accumulator: Должен быть из Variable().
• grad: Градиент.
• lr: Масштабирующий коэффициент. Должен быть скаляром.
• l1: L1-регуляризация. Должен быть скаляром.
• l2: L2-регуляризация. Должен быть скаляром.
• global_step: Номер шага обучения. Должен быть скаляром.

Необязательные атрибуты (см. Attrs):

• use_locking: Если True, обновление тензоров var и accum будет защищено блокировкой; в противном случае поведение не определено, но может проявлять меньшую конкуренцию.

Возвращает:

• Output: Такой же, как "var".

Публичные атрибуты

Operation operation

::tensorflow::Output out

Публичные функции

 ApplyAdagradDA(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input gradient_accumulator,
  ::tensorflow::Input gradient_squared_accumulator,
  ::tensorflow::Input grad,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input global_step
)

 ApplyAdagradDA(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input gradient_accumulator,
  ::tensorflow::Input gradient_squared_accumulator,
  ::tensorflow::Input grad,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input global_step,
  const ApplyAdagradDA::Attrs & attrs
)

::tensorflow::Node * node() const 

operator::tensorflow::Input() const 

operator::tensorflow::Output() const 

Публичные статические функции

Attrs UseLocking(
  bool x
)