tensorflow :: ops :: SparseApplyAdagradDA

Zaktualizuj wpisy w „* var” i „* accum” zgodnie z proksymalnym schematem Adagrad.

streszczenie

Argumenty:

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

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:

• Output : to samo co „var”.

Atrybuty publiczne

Operation operation

::tensorflow::Output out

 SparseApplyAdagradDA(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input gradient_accumulator,
  ::tensorflow::Input gradient_squared_accumulator,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input global_step
)

 SparseApplyAdagradDA(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input gradient_accumulator,
  ::tensorflow::Input gradient_squared_accumulator,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input global_step,
  const SparseApplyAdagradDA::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)