tensorflow:: ops:: SparseApplyProximalAdagrad

ערכי עדכון דלילים ב-'*var' וב-'*accum' לפי אלגוריתם FOBOS.

תַקצִיר

זה עבור שורות שיש לנו grad עבורן, אנחנו מעדכנים את var ו- accum באופן הבא: $$accum += grad * grad$$ $$prox_v = var$$ $$prox_v -= lr * grad * (1 / sqrt(accum))$$ $$var = sign(prox_v)/(1+lr*l2) * max{|prox_v|-lr*l1,0}$$

טיעונים:

• היקף: אובייקט היקף
• var: צריך להיות מתוך Variable().
• accum: צריך להיות מ-Variable().
• lr: קצב למידה. חייב להיות סקלרי.
• l1: רגולריזציה של L1. חייב להיות סקלרי.
• l2: רגולריזציה של L2. חייב להיות סקלרי.
• גראד: הגרדיאנט.
• אינדקסים: וקטור של אינדקסים לתוך המימד הראשון של var ו- accum.

מאפיינים אופציונליים (ראה Attrs ):

• use_locking: אם True, עדכון הטנזורים var ו- accum יהיה מוגן על ידי נעילה; אחרת ההתנהגות אינה מוגדרת, אך עשויה להפגין פחות תחרות.

החזרות:

• Output : זהה ל-"var".

מאפיינים ציבוריים

Operation operation

::tensorflow::Output out

 SparseApplyProximalAdagrad(
  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
)

 SparseApplyProximalAdagrad(
  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 SparseApplyProximalAdagrad::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)