tf.raw_ops.ResourceSparseApplyAdagrad
Обновление соответствующих элементов в «var» и «accum» в соответствии со схемой adagrad.
tf.raw_ops.ResourceSparseApplyAdagrad(
var, accum, lr, grad, indices, use_locking=False, update_slots=True, name=None
)
То есть для строк, для которых у нас есть градиент, мы обновляем var и accum следующим образом: accum += grad * grad var -= lr * grad * (1 / sqrt(accum))
| Аргументы | |
|---|---|
var | A Tensor типа resource. Должен быть из Variable(). |
accum | A Tensor типа resource. Должен быть из Variable(). |
lr | A Tensor. Должен быть одним из следующих типов: float32, float64, int32, uint8, int16, int8, complex64, int64, qint8, quint8, qint32, bfloat16, uint16, complex128, half, uint32, uint64. Скорость обучения. Должен быть скалярным значением. |
grad | A Tensor. Должен иметь тот же тип, что и lr. Градиент. |
indices | A Tensor. Должен быть одним из следующих типов: int32, int64. Вектор индексов в первом измерении var и accum. |
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 проявлять меньшую конкуренцию. |
update_slots | Необязательный bool. По умолчанию True. |
name | Имя операции (необязательно). |
| Возвращаемое значение | |
|---|---|
| Созданная операция. |
© 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/r2.4/api_docs/python/tf/raw_ops/ResourceSparseApplyAdagrad