tensorflow::ops::ApplyAdadelta

#include <training_ops.h>

Обновление '*var' в соответствии со схемой adadelta.

Краткое описание

accum = rho() * accum + (1 - rho()) * grad.square(); update = (update_accum + epsilon).sqrt() * (accum + epsilon()).rsqrt() * grad; update_accum = rho() * update_accum + (1 - rho()) * update.square(); var -= update;

Аргументы:

• scope: Объект Scope
• var: Должен быть получен из Variable().
• accum: Должен быть получен из Variable().
• accum_update: Должен быть получен из Variable().
• lr: Коэффициент масштабирования. Должен быть скалярным.
• rho: Коэффициент затухания. Должен быть скалярным.
• epsilon: Постоянный коэффициент. Должен быть скалярным.
• grad: Градиент.

Необязательные атрибуты (см. Attrs):

• use_locking: Если True, обновление тензоров var, accum и update_accum будет защищено блокировкой; в противном случае поведение не определено, но может наблюдаться меньше конкуренции.

Возвращаемое значение:

• Output: Такое же, как "var".

Общедоступные атрибуты

Operation operation

::tensorflow::Output out

Общедоступные функции

 ApplyAdadelta(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input accum_update,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad
)

 ApplyAdadelta(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input accum_update,
  ::tensorflow::Input lr,
  ::tensorflow::Input rho,
  ::tensorflow::Input epsilon,
  ::tensorflow::Input grad,
  const ApplyAdadelta::Attrs & attrs
)

::tensorflow::Node * node() const 

operator::tensorflow::Input() const 

operator::tensorflow::Output() const 

Общедоступные статические функции

Attrs UseLocking(
  bool x
)