Tensorflow :: ops :: ResourceSparseApplyProximalAdagrad

Sparse Update-Einträge in '* var' und '* accum' gemäß FOBOS-Algorithmus.

Zusammenfassung

Das heißt, für Zeilen, für die wir grad haben, aktualisieren wir var und accum wie folgt: accum + = grad * grad prox_v = var prox_v - = lr * grad * (1 / sqrt (accum)) var = sign (prox_v) / (1 + lr * l2) * max {| prox_v | -lr * l1,0}

Argumente:

• scope: Ein Scope- Objekt
• var: Sollte von einer Variablen stammen ().
• accum: Sollte von einer Variablen stammen ().
• lr: Lernrate. Muss ein Skalar sein.
• l1: L1-Regularisierung. Muss ein Skalar sein.
• l2: L2-Regularisierung. Muss ein Skalar sein.
• grad: Der Gradient.
• Indizes: Ein Vektor von Indizes in die erste Dimension von var und accum.

Optionale Attribute (siehe Attrs ):

• use_locking: Wenn True, wird die Aktualisierung der Var- und Accum-Tensoren durch eine Sperre geschützt. Andernfalls ist das Verhalten undefiniert, weist jedoch möglicherweise weniger Konflikte auf.

Kehrt zurück:

• die erstellte Operation

Öffentliche Attribute

Operation operation

 ResourceSparseApplyProximalAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices
)

 ResourceSparseApplyProximalAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  const ResourceSparseApplyProximalAdagrad::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)