SparseApplyFtrl

genel final sınıfı SparseApplyFtrl

'*var' içindeki ilgili girişleri Ftrl-proximal şemasına göre güncelleyin.

Yani grad yaptığımız satırlar için var, accum ve lineer'ı şu şekilde güncelliyoruz: grad_with_shrinkage = grad + 2 * l2_shrinkage * var accum_new = accum + grad * grad lineer += grad_with_shrinkage - (accum_new^(-lr_power) - accum^ (-lr_power)) / lr * var ikinci dereceden = 1,0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (sign(doğrusal) * l1 - doğrusal) / ikinci dereceden eğer |doğrusal| > l1 else 0.0 birikim = birikim_yeni

İç İçe Sınıflar

sınıf SparseApplyFtrl.Options SparseApplyFtrl için isteğe bağlı özellikler

Sabitler

Sicim OP_NAME Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı

Genel Yöntemler

Çıkış <T>	Çıkış olarak () Tensörün sembolik tutamacını döndürür.
static <T, TType'ı genişletir > SparseApplyFtrl <T>	create ( Kapsam kapsamı, İşlenen <T> var, İşlenen <T> accum, İşlenen <T> doğrusal, İşlenen <T> grad, İşlenen <? extends TNumber > indeksler, İşlenen <T> lr, İşlenen <T> l1, İşlenen <T> l2, İşlenen <T> l2Büzülme, İşlenen <T> lrGüç, Seçenekler... seçenekler) Yeni bir SparseApplyFtrl işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.
statik SparseApplyFtrl.Options	ÇarpmaLinearByLr (Boolean çarpmaLinearByLr)
Çıkış <T>	dışarı () "Var" ile aynı.
statik SparseApplyFtrl.Options	useLocking (Boolean useLocking)

Kalıtsal Yöntemler

org.tensorflow.op.RawOp sınıfından

son boole değeri	eşittir (Nesne nesnesi)
son int	hash kodu ()
Operasyon	işlem () Bu hesaplama birimini tek bir `Operation` olarak döndürün.
son Dize	toString ()

Java.lang.Object sınıfından

boolean	eşittir (Nesne arg0)
son Sınıf<?>	getClass ()
int	hash kodu ()
son boşluk	bildir ()
son boşluk	tümünü bildir ()
Sicim	toString ()
son boşluk	bekle (uzun arg0, int arg1)
son boşluk	bekle (uzun arg0)
son boşluk	Beklemek ()

org.tensorflow.op.Op arayüzünden

özet Yürütme Ortamı	env () Bu operasyonun oluşturulduğu yürütme ortamını döndürün.
soyut Operasyon	işlem () Bu hesaplama birimini tek bir `Operation` olarak döndürün.

org.tensorflow.Operand arayüzünden

özet Çıkış <T>	Çıkış olarak () Tensörün sembolik tutamacını döndürür.
soyut T	Tensör olarak () Bu işlenendeki tensörü döndürür.
soyut Şekil	şekil () Bu işlenenin `Output` tarafından başvurulan tensörün (muhtemelen kısmen bilinen) şeklini döndürür.
soyut Sınıf<T>	tip () Bu işlenenin tensör türünü döndürür

org.tensorflow.ndarray.Shaped arayüzünden

soyut int	rütbe ()
soyut Şekil	şekil ()
soyut uzun	boyut () Bu kabın toplam boyutunu değer sayısı cinsinden hesaplar ve döndürür.

Sabitler

genel statik son Dize OP_NAME

Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı

Sabit Değer: "SparseApplyFtrlV2"

Genel Yöntemler

genel Çıkış <T> asOutput ()

Tensörün sembolik tutamacını döndürür.

TensorFlow işlemlerinin girdileri, başka bir TensorFlow işleminin çıktılarıdır. Bu yöntem, girişin hesaplanmasını temsil eden sembolik bir tanıtıcı elde etmek için kullanılır.

public static SparseApplyFtrl <T> create ( Kapsam kapsamı, İşlenen <T> var, İşlenen <T> birikimi, İşlenen <T> doğrusal, İşlenen <T> grad, İşlenen <? extends TNumber > endeksleri, İşlenen <T> lr, İşlenen <T> l1, İşlenen <T> l2, İşlenen <T> l2Büzülme, İşlenen <T> lrGüç, Seçenekler... seçenekler)

Yeni bir SparseApplyFtrl işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.

Parametreler

kapsam	mevcut kapsam
var	Bir Variable()'dan olmalıdır.
birikim	Bir Variable()'dan olmalıdır.
doğrusal	Bir Variable()'dan olmalıdır.
mezun	Gradyan.
endeksler	var ve accum'un ilk boyutuna ait indekslerin bir vektörü.
IR	Ölçekleme faktörü. Bir skaler olmalı.
l1	L1 düzenlemesi. Bir skaler olmalı.
l2	L2 büzülme düzenlemesi. Bir skaler olmalı.
lrGüç	Ölçekleme faktörü. Bir skaler olmalı.
seçenekler	isteğe bağlı nitelik değerlerini taşır

İadeler

SparseApplyFtrl'in yeni bir örneği

public static SparseApplyFtrl.Options çarpınLinearByLr (Boolean çarpıLinearByLr)

genel Çıkış <T> out ()

"Var" ile aynı.

public static SparseApplyFtrl.Options useLocking (Boolean useLocking)

Parametreler

KullanımKilitleme	'Doğru' ise var ve accum tensörlerinin güncellenmesi bir kilitle korunacaktır; aksi takdirde davranış tanımsızdır ancak daha az çekişme sergileyebilir.