tensorflow :: ops :: ResourceApplyProximalGradientDescent

'* var' را به عنوان الگوریتم FOBOS با میزان یادگیری ثابت به روز کنید.

خلاصه

prox_v = var - alpha * delta var = sign (prox_v) / (1 + alpha * l2) * max {| prox_v | -alpha * l1،0}

استدلال ها:

• دامنه: یک شی Sc Scope
• var: باید از یک متغیر () باشد.
• alpha: عامل مقیاس گذاری. باید اسکالر باشد.
• l1: تنظیم L1. باید اسکالر باشد.
• l2: تنظیم L2. باید اسکالر باشد.
• دلتا: تغییر.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• use_locking: اگر درست باشد ، تفریق توسط قفل محافظت می شود. در غیر این صورت رفتار تعریف نشده است ، اما ممکن است مشاجره کمتری از خود نشان دهد.

بازده:

• Operation ایجاد شده

صفات عمومی

Operation operation

 ResourceApplyProximalGradientDescent(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input alpha,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input delta
)

 ResourceApplyProximalGradientDescent(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input alpha,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input delta,
  const ResourceApplyProximalGradientDescent::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)