tf.raw_ops.SparseApplyMomentum
Обновление соответствующих записей в 'var' и 'accum' в соответствии со схемой 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 градиент, мы обновляем var и accum следующим образом:
$$accum = accum * momentum + grad$$
$$var -= lr * accum$$
| Аргументы | |
|---|---|
var | Изменяемая Tensor. Должен быть одним из следующих типов: float32, float64, int32, uint8, int16, int8, complex64, int64, qint8, quint8, qint32, bfloat16, uint16, complex128, half, uint32, uint64. Должен быть из переменной(). |
accum | Изменяемая Tensor. Должен иметь тот же тип, что и var. Должен быть из переменной(). |
lr | Tensor. Должен иметь тот же тип, что и var. Скорость обучения. Должен быть скалярным. |
grad | Tensor. Должен иметь тот же тип, что и var. Градиент. |
indices | Tensor. Должен быть одним 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 скалярным. |
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 проявиться меньше конкуренции. |
use_nesterov | Необязательный bool. По умолчанию False. Если True, тензор, переданный для вычисления градиента, будет var - lr * momentum * accum, поэтому в итоге var, который вы получите, фактически равен var - lr * momentum * accum. |
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/r2.4/api_docs/python/tf/raw_ops/SparseApplyMomentum
