ResourceSparseApplyFtrl

کلاس نهایی عمومی ResourceSparseApplyFtrl

ورودی های مربوطه را در '*var' طبق طرح Ftrl-proximal به روز کنید.

یعنی برای ردیف هایی که برای آنها grad داریم، var، accum و linear را به صورت زیر به روز می کنیم: grad_with_shrinkage = grad + 2 * l2_shrinkage * var accum_new = accum + grad_with_shrinkage * grad_with_shrinkage linear += grad_with_shrinkage linear += grad_with_shrinkage (--accuml_rnkage) (-lr_power)) / lr * var درجه دوم = 1.0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (نشانه (خطی) * l1 - خطی) / درجه دوم اگر | خطی| > l1 other 0.0 accum = accum_new

کلاس های تو در تو

کلاس ResourceSparseApplyFtrl.Options ویژگی های اختیاری برای ResourceSparseApplyFtrl

ثابت ها

رشته OP_NAME نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

روش های عمومی

static <T TType > ResourceSparseApplyFtrl را گسترش می دهد	ایجاد ( دامنه دامنه ، عملوند <?> var، عملوند <?> accum، عملوند <?> خطی، عملوند <T> grad، عملوند <? گسترش می یابد TNumber > شاخص ها، عملوند <T> lr، عملوند <T> l1، عملوند <T> l2، Operand <T> l2Shrinkage، Operand <T> lrPower، Options... گزینه‌ها) روش کارخانه برای ایجاد کلاسی که یک عملیات ResourceSparseApplyFtrl جدید را بسته بندی می کند.
استاتیک ResourceSparseApplyFtrl.Options	multiplyLinearByLr (بولی multiplyLinearByLr)
استاتیک ResourceSparseApplyFtrl.Options	useLocking (قفل کردن استفاده بولی)

روش های ارثی

از کلاس org.tensorflow.op.RawOp

بولی نهایی	برابر است (object obj)
بین المللی نهایی	هش کد ()
عمل	عملیات () این واحد محاسبه را به عنوان یک `Operation` واحد برگردانید.
رشته نهایی	toString ()

از کلاس java.lang.Object

بولی	برابر است (شیء arg0)
کلاس نهایی<?>	getClass ()
بین المللی	هش کد ()
باطل نهایی	اعلام کردن ()
باطل نهایی	اطلاع رسانی به همه ()
رشته	toString ()
باطل نهایی	صبر کنید (long arg0، int arg1)
باطل نهایی	صبر کنید (طولانی arg0)
باطل نهایی	صبر کن ()

از رابط org.tensorflow.op.Op

چکیده Execution Environment	env () محیط اجرایی را که این عملیات در آن ایجاد شده است برگردانید.
عملیات انتزاعی	عملیات () این واحد محاسبه را به عنوان یک `Operation` واحد برگردانید.

ثابت ها

رشته نهایی ثابت عمومی OP_NAME

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

مقدار ثابت: "ResourceSparseApplyFtrlV2"

روش های عمومی

عمومی static ResourceSparseApplyFtrl ایجاد ( دامنه دامنه ، عملوند <?> var، عملوند <?> accum، عملوند <?> خطی، عملوند <T> grad، عملوند <? گسترش TNumber > شاخص ها، عملوند <T> lr، عملوند <T> l1، عملوند <T> l2، عملوند <T> l2Shrinkage، عملوند <T> lrPower، گزینه‌ها... گزینه‌ها)

روش کارخانه برای ایجاد کلاسی که یک عملیات ResourceSparseApplyFtrl جدید را بسته بندی می کند.

مولفه های

محدوده	محدوده فعلی
var	باید از یک متغیر () باشد.
تجمع	باید از یک متغیر () باشد.
خطی	باید از یک متغیر () باشد.
درجه	گرادیان.
شاخص ها	بردار شاخص ها در بعد اول var و accum.
lr	ضریب پوسته پوسته شدن باید اسکالر باشد.
l1	تنظیم L1. باید اسکالر باشد.
l2	تنظیم انقباض L2. باید اسکالر باشد.
lrPower	ضریب پوسته پوسته شدن باید اسکالر باشد.
گزینه ها	مقادیر ویژگی های اختیاری را حمل می کند

برمی گرداند

یک نمونه جدید از ResourceSparseApplyFtrl

Public Static ResourceSparseApplyFtrl.Options multiplyLinearByLr (قبولی multiplyLinearByLr)

عمومی استاتیک ResourceSparseApplyFtrl.Options useLocking (useLocking بولی)

مولفه های

استفاده از قفل کردن	اگر «درست» باشد، به‌روزرسانی تانسور var و accum توسط یک قفل محافظت می‌شود. در غیر این صورت رفتار تعریف نشده است، اما ممکن است اختلاف کمتری از خود نشان دهد.