tensorflow:: ops:: ResourceApplyFtrl

قم بتحديث '*var' وفقًا لمخطط Ftrl-proximal.

ملخص

accum_new = accum + grad * grad الخطي += grad - (accum_new^(-lr_power) - accum^(-lr_power)) / lr * var Quadratic = 1.0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (sign(linear) * l1 - خطي) / تربيعي if |خطي| > l1 آخر 0.0 تراكم = تراكم_جديد

الحجج:

• النطاق: كائن النطاق
• var: يجب أن يكون من نوع Variable().
• accum: يجب أن يكون من متغير ().
• خطي: يجب أن يكون من متغير ().
• grad: التدرج.
• lr: عامل القياس. يجب أن يكون قيمة عددية.
• l1: تنظيم L1. يجب أن يكون قيمة عددية.
• l2: تنظيم L2. يجب أن يكون قيمة عددية.
• lr_power: عامل القياس. يجب أن يكون قيمة عددية.

السمات الاختيارية (انظر Attrs ):

• استخدام القفل: إذا كانت True ، فسيتم حماية تحديث موترات var و accum بواسطة قفل؛ وإلا فإن السلوك غير محدد، ولكنه قد يُظهر تنازعًا أقل.

المرتجعات:

• Operation التي تم إنشاؤها

السمات العامة

Operation operation

 ResourceApplyFtrl(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input lr_power
)

 ResourceApplyFtrl(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input linear,
  ::tensorflow::Input grad,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input lr_power,
  const ResourceApplyFtrl::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)