tensorflow :: ops :: SparseApplyProximalGradientDescent

Rzadka aktualizacja „* var” jako algorytm FOBOS ze stałą szybkością uczenia się.

streszczenie

To jest dla wierszy, dla których mamy grad, aktualizujemy var w następujący sposób: $$prox_v = var - alpha * grad$$ $$var = sign(prox_v)/(1+alpha*l2) * max{|prox_v|-alpha*l1,0}$$

Argumenty:

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

Atrybuty opcjonalne (patrz Attrs ):

• use_locking: Jeśli True, odejmowanie będzie chronione 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

 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
)