tensorflow:: ops:: ResourceSparseApplyProximalAdagrad

FOBOS एल्गोरिदम के अनुसार '*var' और '*accum' में विरल अपडेट प्रविष्टियाँ।

सारांश

यानी, जिन पंक्तियों के लिए हमारे पास grad है, उनके लिए हम var और accum को निम्नानुसार अपडेट करते हैं: 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}

तर्क:

• स्कोप: एक स्कोप ऑब्जेक्ट
• var: यह एक Variable() से होना चाहिए।
• संचय: यह एक वेरिएबल() से होना चाहिए।
• lr: सीखने की दर। यह एक अदिश राशि होनी चाहिए।
• l1: L1 नियमितीकरण। यह एक अदिश राशि होनी चाहिए।
• l2: L2 नियमितीकरण। यह एक अदिश राशि होनी चाहिए।
• ग्रेड: प्रवणता।
• सूचकांक: var और accum के पहले आयाम में सूचकांकों का एक सदिश।

वैकल्पिक विशेषताएँ (देखें Attrs ):

• use_locking: यदि True है, तो var और accum टेंसरों का अद्यतन एक लॉक द्वारा सुरक्षित किया जाएगा; अन्यथा व्यवहार अपरिभाषित है, लेकिन कम टकराव प्रदर्शित कर सकता है।

प्रतिफल:

• निर्मित Operation

सार्वजनिक विशेषताएँ

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
)