tensorflow :: opérations :: ResourceSparseApplyFtrl

Mettez à jour les entrées pertinentes dans '* var' selon le schéma Ftrl-proximal.

Résumé

C'est pour les lignes pour lesquelles nous avons grad, nous mettons à jour var, accum et linear comme suit: accum_new = accum + grad * grad linear + = grad - (accum_new ^ (- lr_power) - accum ^ (- lr_power)) / lr * var quadratique = 1.0 / (accum_new ^ (lr_power) * lr) + 2 * l2 var = (signe (linéaire) * l1 - linéaire) / quadratique si | linéaire | > l1 sinon 0.0 accum = accum_new

Arguments:

• scope: un objet Scope
• var: Doit provenir d'une variable ().
• accum: Doit provenir d'une variable ().
• linear: Doit provenir d'une variable ().
• grad: Le dégradé.
• indices: Un vecteur d'indices dans la première dimension de var et accum.
• lr: facteur d'échelle. Doit être un scalaire.
• l1: régularisation L1. Doit être un scalaire.
• l2: régularisation L2. Doit être un scalaire.
• lr_power: facteur de mise à l'échelle. Doit être un scalaire.

Attributs facultatifs (voir Attrs ):

• use_locking: Si True , la mise à jour des tenseurs var et accum sera protégée par un verrou; sinon, le comportement n'est pas défini, mais peut présenter moins de conflits.

Retour:

• l' Operation créée

Attributs publics

Operation operation

 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
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)