tensorflow :: ops :: ResourceSparseApplyProximalAdagrad

Rzadkie wpisy aktualizacji w „* var” i „* accum” zgodnie z algorytmem FOBOS.

streszczenie

To jest dla wierszy, dla których mamy grad, aktualizujemy var i accum w następujący sposób: 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}

Argumenty:

• zakres: obiekt Scope
• zmienna: powinna pochodzić ze zmiennej ().
• accum: Powinien pochodzić ze zmiennej ().
• lr: współczynnik uczenia się. Musi być skalarem.
• l1: regularyzacja L1. Musi być skalarem.
• l2: regularyzacja L2. Musi być skalarem.
• grad: gradient.
• indeksy: wektor indeksów do pierwszego wymiaru var i accum.

Atrybuty opcjonalne (patrz Attrs ):

• use_locking: Jeśli True, aktualizacja tensorów var i accum będzie chroniona blokadą; w przeciwnym razie zachowanie jest niezdefiniowane, ale może wykazywać mniej rywalizacji.

Zwroty:

• utworzonej Operation

Atrybuty publiczne

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
)