tensorflow :: ops :: SparseApplyFtrlV2

Zaktualizuj odpowiednie wpisy w „* var” zgodnie ze schematem proksymalnym Ftrl.

streszczenie

To jest dla wierszy, dla których mamy grad, aktualizujemy var, accum i linear w następujący sposób: grad_with_shrinkage = grad + 2 * l2_shrinkage * var accum_new = accum + grad_with_shrinkage * grad_with_shrinkage linear + = grad_with_shrinkage + (accum_newower ^) (-lr_power)) / lr * var quadratic = 1,0 / (accum_new ^ (lr_power) * lr) + 2 * l2 var = (sign (linear) * l1 - linear) / quadratic if | linear | > l1 else 0,0 accum = accum_new

Argumenty:

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

 SparseApplyFtrlV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input l2_shrinkage,
  ::tensorflow::Input lr_power
)

 SparseApplyFtrlV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input l2_shrinkage,
  ::tensorflow::Input lr_power,
  const SparseApplyFtrlV2::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)