tensorflow :: ops :: ResourceSparseApplyFtrl
#include <training_ops.h>
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: درجه دوم = 1.0 / (تجمع_ جدید ^ (قدرت lr) * 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 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 سنسورهای var و تجمع با 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
سازندگان و ویرانگران | |
---|---|
ResourceSparseApplyFtrl (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 lr_power) | |
ResourceSparseApplyFtrl (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 lr_power, const ResourceSparseApplyFtrl::Attrs & attrs) |
صفات عمومی | |
---|---|
operation |
کارکردهای عمومی | |
---|---|
operator::tensorflow::Operation () const |
توابع استاتیک عمومی | |
---|---|
UseLocking (bool x) |
سازه ها | |
---|---|
tensorflow :: ops :: ResourceSparseApplyFtrl :: Attrs | تنظیم کننده های ویژگی اختیاری برای ResourceSparseApplyFtrl . |
صفات عمومی
عمل
Operation operation
کارکردهای عمومی
ResourceSparseApplyFtrl
ResourceSparseApplyFtrl( 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 lr_power )
ResourceSparseApplyFtrl
ResourceSparseApplyFtrl( 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 lr_power, const ResourceSparseApplyFtrl::Attrs & attrs )
عملگر :: tensorflow :: عملیات
operator::tensorflow::Operation() const
توابع استاتیک عمومی
استفاده از قفل کردن
Attrs UseLocking( bool x )
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2020-04-20 بهوقت ساعت هماهنگ جهانی.