原书出处
深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)
12 第12章 用Transformer实现英译中
self.warmup_steps = warmup_steps def __call__(self, step):
arg1 = tf.math.rsqrt(step) arg2 = step * (self.warmup_steps ** -1.5) return tf.math.rsqrt(self.d_model) * tf.math.minimum(arg1, arg2)
#将定制后的学习率输入Adam优化器中 learning_rate = CustomSchedule(d_model)
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter16_0005.xhtml
EPUB SHA-256:0056cad2f11cb1d60ead5054060bd6d41fef87dd049656db310bdc789c0ec7da