tf.raw_ops.SparseApplyMomentum
Обновление соответствующих записей в 'var' и 'accum' согласно схеме импульса.
tf.raw_ops.SparseApplyMomentum(
var, accum, lr, grad, indices, momentum, use_locking=False, use_nesterov=False,
name=None
)
Установите use_nesterov = True, если хотите использовать импульс Нестерова.
То есть для строк, для которых у нас есть grad, мы обновляем var и accum следующим образом:
$$accum = accum * momentum + grad$$
$$var -= lr * accum$$
| Аргументы | |
|---|---|
var |
Изменяемый Tensor. Должен быть одного из следующих типов: float32, float64, int32, uint8, int16, int8, complex64, int64, qint8, quint8, qint32, bfloat16, uint16, complex128, half, uint32, uint64. Должен быть из Variable(). |
accum |
Изменяемый Tensor. Должен иметь тот же тип, что и var. Должен быть из Variable(). |
lr |
Tensor. Должен иметь тот же тип, что и var. Скорость обучения. Должен быть скаляром. |
grad |
Tensor. Должен иметь тот же тип, что и var. Градиент. |
indices |
Tensor. Должен быть одного из следующих типов: int32, int64. Вектор индексов в первом измерении var и accum. |
momentum |
Tensor. Должен иметь тот же тип, что и var. Импульс. Должен быть скаляром. |
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 быть менее конкурентным. |
use_nesterov |
Необязательный bool. По умолчанию False. Если True, тензор, переданный для вычисления grad, будет var - lr * momentum * accum, поэтому в конечном итоге var, который вы получите, фактически будет var - lr * momentum * accum. |
name |
Имя операции (необязательно). |
| Возвращаемые значения | |
|---|---|
Изменяемый 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/SparseApplyMomentum
