ApplyProximalAdagrad

kelas akhir publik ApplyProximalAdagrad

Perbarui '*var' dan '*accum' menurut FOBOS dengan kecepatan pembelajaran Adagrad.

accum += lulusan lulusan prox_v = var - lr lulusan (1 / sqrt(accum)) var = tanda(prox_v)/(1+lr l2) max{|prox_v|-lr l1,0}

Kelas Bersarang

kelas TerapkanProximalAdagrad.Options Atribut opsional untuk ApplyProximalAdagrad

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

Keluaran <T>
sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
statis <T memperluas TType > ApplyProximalAdagrad <T>
buat ( Lingkup lingkup, Operand <T> var, Operand <T> accum, Operand <T> lr, Operand <T> l1, Operand <T> l2, Operand <T> grad, Pilihan... pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi ApplyProximalAdagrad baru.
Keluaran <T>
keluar ()
Sama seperti "var".
ApplyProximalAdagrad.Options statis
useLocking (penguncian penggunaan Boolean)

Metode Warisan

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "ApplyProximalAdagrad"

Metode Publik

Keluaran publik <T> sebagai Keluaran ()

Mengembalikan pegangan simbolis tensor.

Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

public static ApplyProximalAdagrad <T> buat ( Lingkup lingkup, Operan <T> var, Operan <T> accum, Operan <T> lr, Operan <T> l1, Operan <T> l2, Operan <T> grad, Opsi.. . pilihan)

Metode pabrik untuk membuat kelas yang membungkus operasi ApplyProximalAdagrad baru.

Parameter
cakupan ruang lingkup saat ini
var Harus dari Variabel().
akumulasi Harus dari Variabel().
lr Faktor skala. Pasti skalar.
l1 Regularisasi L1. Pasti skalar.
l2 Regularisasi L2. Pasti skalar.
lulusan Gradien.
pilihan membawa nilai atribut opsional
Kembali
  • contoh baru dari ApplyProximalAdagrad

Keluaran publik <T> keluar ()

Sama seperti "var".

public static ApplyProximalAdagrad.Options useLocking (Boolean useLocking)

Parameter
gunakan Penguncian Jika Benar, pembaruan tensor var dan accum akan dilindungi oleh kunci; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan.