Tensorflow :: ops :: SparseApplyFtrl

Aktualisieren Sie relevante Einträge in '* var' gemäß dem Ftrl-proximalen Schema.

Zusammenfassung

Für Zeilen, für die wir grad haben, aktualisieren wir var, accum und linear wie folgt: $$accum_new = accum + grad * grad$$ $$linear += grad + (accum_{new}^{-lr_{power}} - accum^{-lr_{power}} / lr * var$$ $$quadratic = 1.0 / (accum_{new}^{lr_{power}} * lr) + 2 * l2$$ $$var = (sign(linear) * l1 - linear) / quadratic\ if\ |linear| > l1\ else\ 0.0$$ $$accum = accum_{new}$$

Argumente:

• scope: Ein Scope- Objekt
• var: Sollte von einer Variablen stammen ().
• accum: Sollte von einer Variablen stammen ().
• linear: Sollte von einer Variablen stammen ().
• grad: Der Gradient.
• Indizes: Ein Vektor von Indizes in die erste Dimension von var und accum.
• lr: Skalierungsfaktor. Muss ein Skalar sein.
• l1: L1-Regularisierung. Muss ein Skalar sein.
• l2: L2-Regularisierung. Muss ein Skalar sein.
• lr_power: Skalierungsfaktor. Muss ein Skalar sein.

Optionale Attribute (siehe Attrs ):

• use_locking: Wenn True , wird die Aktualisierung der Var- und Accum-Tensoren durch eine Sperre geschützt. Andernfalls ist das Verhalten undefiniert, weist jedoch möglicherweise weniger Konflikte auf.

Kehrt zurück:

• Output : Wie "var".

Öffentliche Attribute

Operation operation

::tensorflow::Output out

 SparseApplyFtrl(
  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 lr_power
)

 SparseApplyFtrl(
  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 lr_power,
  const SparseApplyFtrl::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)