lớp cuối cùng công khai ResourceApplyAdaMax
Cập nhật '*var' theo thuật toán AdaMax.
m_t <- beta1 * m_{t-1} + (1 - beta1) * g v_t <- max(beta2 * v_{t-1}, abs(g)) biến <- biến - learning_rate / (1 - beta1^ t) * m_t / (v_t + epsilon)
Các lớp lồng nhau
| lớp học | ResourceApplyAdaMax.Options | Thuộc tính tùy chọn cho ResourceApplyAdaMax | |
Hằng số
| Sợi dây | OP_NAME | Tên của op này, được biết đến bởi công cụ lõi TensorFlow | 
Phương pháp công khai
| tĩnh <T mở rộng TType > ResourceApplyAdaMax |  tạo ( Phạm vi phạm vi, Toán hạng <?> var, Toán hạng <?> m, Toán hạng <?> v, Toán hạng <T> beta1Power, Toán hạng <T> lr, Toán hạng <T> beta1, Toán hạng <T> beta2, Toán hạng <T > epsilon, Toán hạng <T> grad, Tùy chọn... tùy chọn)  Phương thức gốc để tạo một lớp bao bọc một hoạt động ResourceApplyAdaMax mới. | 
| tĩnh ResourceApplyAdaMax.Options |  useLocking (Boolean useLocking)  | 
Phương pháp kế thừa
Hằng số
Chuỗi cuối cùng tĩnh công khai OP_NAME
Tên của op này, được biết đến bởi công cụ lõi TensorFlow
 Giá trị không đổi: "ResourceApplyAdaMax" 
Phương pháp công khai
public static ResourceApplyAdaMax tạo ( Phạm vi phạm vi, Toán hạng <?> var, Toán hạng <?> m, Toán hạng <?> v, Toán hạng <T> beta1Power, Toán hạng <T> lr, Toán hạng <T> beta1, Toán hạng <T> beta2, Toán hạng <T> epsilon, Toán hạng <T> grad, Tùy chọn... tùy chọn)
Phương thức gốc để tạo một lớp bao bọc một hoạt động ResourceApplyAdaMax mới.
Thông số
| phạm vi | phạm vi hiện tại | 
|---|---|
| var | Phải từ một Biến(). | 
| tôi | Phải từ một Biến(). | 
| v | Phải từ một Biến(). | 
| beta1Power | Phải là một vô hướng. | 
| lr | Yếu tố nhân rộng. Phải là một vô hướng. | 
| beta1 | Yếu tố động lượng. Phải là một vô hướng. | 
| beta2 | Yếu tố động lượng. Phải là một vô hướng. | 
| epsilon | Thuật ngữ sườn núi. Phải là một vô hướng. | 
| tốt nghiệp | Độ dốc. | 
| tùy chọn | mang các giá trị thuộc tính tùy chọn | 
Trả lại
- một phiên bản mới của ResourceApplyAdaMax
public static ResourceApplyAdaMax.Options useLocking (Boolean useLocking)
Thông số
| sử dụngKhóa | Nếu `True`, việc cập nhật các tensor var, m và v sẽ được bảo vệ bằng khóa; mặt khác, hành vi không được xác định, nhưng có thể ít gây tranh cãi hơn. | 
|---|