tensoreflusso:: ops:: ResourceSparseApplyProximalAdagrad

Voci di aggiornamento sparse in '*var' e '*accum' secondo l'algoritmo FOBOS.

Riepilogo

Questo è per le righe per le quali abbiamo grad, aggiorniamo var e accum come segue: 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}

Argomenti:

• scope: un oggetto Scope
• var: dovrebbe provenire da una variabile().
• accum: dovrebbe provenire da una variabile().
• lr: tasso di apprendimento. Deve essere uno scalare.
• l1: regolarizzazione L1. Deve essere uno scalare.
• l2: regolarizzazione L2. Deve essere uno scalare.
• grad: il gradiente.
• indici: un vettore di indici nella prima dimensione di var e accum.

Attributi facoltativi (vedi Attrs ):

• use_locking: Se True, l'aggiornamento dei tensori var e accum sarà protetto da un lock; altrimenti il ​​comportamento non è definito, ma può mostrare meno contesa.

Ritorna:

• l' Operation creata

Attributi pubblici

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
)