tf.raw_ops.ApplyAdaMax

Обновление '*var' в соответствии с алгоритмом AdaMax.

Просмотр псевдонимов

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.raw_ops.ApplyAdaMax

tf.raw_ops.ApplyAdaMax(
    var,
    m,
    v,
    beta1_power,
    lr,
    beta1,
    beta2,
    epsilon,
    grad,
    use_locking=False,
    name=None
)

m_t <- β₁ * m_t-1 + (1 - β₁) * g v_t <- max(β₂ * v_t-1, |g|) variable <- variable - learning_rate / (1 - β₁^t) * m_t / (v_t + epsilon)

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 Variable().
`m`	Изменяемая `Tensor`. Должен иметь тот же тип, что и `var`. Должен быть из Variable().
`v`	Изменяемая `Tensor`. Должен иметь тот же тип, что и `var`. Должен быть из Variable().
`beta1_power`	`Tensor`. Должен иметь тот же тип, что и `var`. Должен быть скаляром.
`lr`	`Tensor`. Должен иметь тот же тип, что и `var`. Множитель масштабирования. Должен быть скаляром.
`beta1`	`Tensor`. Должен иметь тот же тип, что и `var`. Коэффициент импульса. Должен быть скаляром.
`beta2`	`Tensor`. Должен иметь тот же тип, что и `var`. Коэффициент импульса. Должен быть скаляром.
`epsilon`	`Tensor`. Должен иметь тот же тип, что и `var`. Слагаемое Риджа. Должен быть скаляром.
`grad`	`Tensor`. Должен 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 характеризоваться меньшим конфликтом.
`name`	Имя операции (необязательно).

Возвращаемое значение
Изменяемая `Tensor`. Имеет тот же тип, что и `var`.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/raw_ops/ApplyAdaMax