tensorflow::ops::SparseApplyProximalGradientDescent

Pembaruan jarang '*var' sebagai algoritma FOBOS dengan laju pembelajaran tetap.

Ringkasan

Artinya, untuk baris yang sudah memiliki nilai kelulusan, kita memperbarui variabel sebagai berikut: $$prox_v = var - alpha * grad$$ $$var = sign(prox_v)/(1+alpha*l2) * max{|prox_v|-alpha*l1,0}$$

Argumen:

• Cakupan: Objek Cakupan
• var: Seharusnya berasal dari Variable().
• alpha: Faktor skala. Harus berupa besaran skalar.
• l1: Regularisasi L1. Harus berupa skalar.
• l2: Regularisasi L2. Harus berupa skalar.
• grad: Gradien.
• indeks: Sebuah vektor indeks ke dimensi pertama dari var dan accum.

Atribut opsional (lihat Attrs ):

• use_locking: Jika True, pengurangan akan dilindungi oleh kunci; jika tidak, perilakunya tidak terdefinisi, tetapi mungkin menunjukkan persaingan yang lebih sedikit.

Mengembalikan:

• Output : Sama dengan "var".

Atribut publik

Operation operation

::tensorflow::Output out

 SparseApplyProximalGradientDescent(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input alpha,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices
)

 SparseApplyProximalGradientDescent(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input alpha,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad,
  ::tensorflow::Input indices,
  const SparseApplyProximalGradientDescent::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs UseLocking(
  bool x
)