przepływ tensorowy:: ops:: SparseApplyFtrl

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

Streszczenie

Oznacza to, że dla wierszy, dla których mamy grad, aktualizujemy var, accum i linear w następujący sposób: $$accum_new = accum + grad * grad$$ $$linear += grad + (accum_{new}^{-lr_{power}} - accum^{-lr_{power}} / lr * var$$ $$quadratic = 1.0 / (accum_{new}^{lr_{power}} * lr) + 2 * l2$$ $$var = (sign(linear) * l1 - linear) / quadratic\ if\ |linear| > l1\ else\ 0.0$$ $$accum = accum_{new}$$

Argumenty:

• zakres: Obiekt Scope
• var: Powinien pochodzić ze zmiennej ().
• accum: Powinien pochodzić ze zmiennej ().
• liniowy: 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: Regularyzacja L2. Musi być skalarem.
• lr_power: Współczynnik skalowania. Musi być skalarem.

Opcjonalne atrybuty (patrz Attrs ):

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

Zwroty:

• Output : takie same jak „var”.

Atrybuty publiczne

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
)