tensorflow :: ops :: ResourceSparseApplyFtrlV2

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

خلاصه

این برای ردیف هایی است که برای آنها grad داریم ، var ، تجمع و خطی را به صورت زیر بروزرسانی می کنیم: (-lr_power)) / lr * var درجه دوم = 1.0 / (تجمع_ جدید ^ (lr_power) * lr) + 2 * l2 var = (علامت (خطی) * l1 - خطی) / درجه دوم اگر | خطی | > l1 else 0.0 تجمع = تجمع_ جدید

استدلال ها:

• دامنه: یک شی Sc Scope
• var: باید از یک متغیر () باشد.
• تجمع: باید از یک متغیر باشد ().
• linear: باید از یک متغیر () باشد.
• grad: شیب.
• شاخص ها: برداري از شاخص ها در بعد اول var و تجمع.
• lr: عامل مقیاس گذاری. باید اسکالر باشد.
• l1: تنظیم L1. باید اسکالر باشد.
• l2: تنظیم انقباض L2. باید اسکالر باشد.
• lr_power: عامل مقیاس گذاری. باید اسکالر باشد.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• use_locking: اگر True ، به روزرسانی تنتورهای جمع کننده و جمع شده 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

 ResourceSparseApplyFtrlV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input l2_shrinkage,
  ::tensorflow::Input lr_power
)

 ResourceSparseApplyFtrlV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input l2_shrinkage,
  ::tensorflow::Input lr_power,
  const ResourceSparseApplyFtrlV2::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)