tf.raw_ops.ApplyAdam
Обновление '*var' в соответствии с алгоритмом Adam.
tf.raw_ops.ApplyAdam(
var, m, v, beta1_power, beta2_power, lr, beta1, beta2, epsilon, grad,
use_locking=False, use_nesterov=False, name=None
)
$$lr_t := \text{learning\_rate} * \sqrt{1 - beta_2^t} / (1 - beta_1^t)$$
$$m_t := beta_1 * m_{t-1} + (1 - beta_1) * g$$
$$v_t := beta_2 * v_{t-1} + (1 - beta_2) * g * g$$
$$variable := variable - lr_t * m_t / (\sqrt{v_t} + \epsilon)$$
| Аргументы | |
|---|---|
var | Изменяемая Tensor. Должно быть одним из следующих типов: float32, float64, int32, uint8, int16, int8, complex64, int64, qint8, quint8, qint32, bfloat16, uint16, complex128, half, uint32, uint64. Должно быть получено из Variable(). |
m | Изменяемая Tensor. Должно иметь тот же тип, что и var. Должно быть получено из Variable(). |
v | Изменяемая Tensor. Должно иметь тот же тип, что и var. Должно быть получено из Variable(). |
beta1_power | Tensor. Должно иметь тот же тип, что и var. Должно быть скалярным. |
beta2_power | Tensor. Должно иметь тот же тип, что и var. Должно быть скалярным. |
lr | Tensor. Должно иметь тот же тип, что и var. Множитель масштабирования. Должно быть скалярным. |
beta1 | Tensor. Должно иметь тот же тип, что и var. Коэффициент импульса. Должно быть скалярным. |
beta2 | Tensor. Должно иметь тот же тип, что и var. Коэффициент импульса. Должно быть скалярным. |
epsilon | Tensor. Должно иметь тот же тип, что и var. Слагаемое Риджа. Должно быть скалярным. |
grad | Tensor. Должно иметь тот же тип, что и var. Градиент. |
use_locking | Необязательный bool. По умолчанию False. Если True, обновление тензоров var, m и v будет защищено блокировкой; в противном случае поведение не определено, но может вызывать меньше конкуренции. |
use_nesterov | Необязательный bool. По умолчанию False. Если True, используется обновление Нестерова. |
name | Название операции (необязательно). |
| Возвращаемое значение | |
|---|---|
Изменяемая Tensor. Имеет тот же тип, что и var. |
© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.3/api_docs/python/tf/raw_ops/ApplyAdam