tensorflow::ops::SparseApplyAdagrad

#include <training_ops.h>

Обновление соответствующих записей в '*var' и '*accum' в соответствии со схемой adagrad.

Краткое описание

То есть для строк, для которых у нас есть grad, мы обновляем var и accum следующим образом:

Аргументы:

• scope: Объект Scope
• var: Должен быть получен из Variable().
• accum: Должен быть получен из Variable().
• lr: Скорость обучения. Должен быть скаляром.
• grad: Градиент.
• indices: Вектор индексов в первом измерении var и accum.

Необязательные атрибуты (см. Attrs):

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

Возвращаемое значение:

• Output: То же, что и "var".

Публичные атрибуты

Operation operation

::tensorflow::Output out

Публичные функции

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

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

::tensorflow::Node * node() const 

operator::tensorflow::Input() const 

operator::tensorflow::Output() const 

Публичные статические функции

Attrs UpdateSlots(
  bool x
)

Attrs UseLocking(
  bool x
)