tensorflow :: ops :: ResourceSparseApplyProximalAdagrad

FOBOS algoritmasına göre '* var' ve '* birikim' içindeki güncelleme girişlerini seyrek.

Özet

Yani, derecelendirdiğimiz satırlar için var ve biriktirmeyi şu şekilde güncelleriz: birikim + = derece * derece prox_v = var prox_v - = lr * grad * (1 / sqrt (birikim)) var = sign (prox_v) / (1 + lr * l2) * max {| prox_v | -lr * l1,0}

Argümanlar:

• kapsam: Bir Scope nesnesi
• var: Değişken () 'den olmalıdır.
• birikim: Bir Değişken () 'den olmalıdır.
• lr: Öğrenme oranı. Skaler olmalı.
• l1: L1 düzenlenmesi. Skaler olmalı.
• l2: L2 düzenlenmesi. Skaler olmalı.
• grad: Gradyan.
• indisler: var ve akümül'ün ilk boyutundaki indislerin bir vektörü.

İsteğe bağlı özellikler (bkz. Attrs ):

• use_locking: True ise, var ve akümülörlerin güncellenmesi bir kilit ile korunacaktır; aksi takdirde davranış tanımsızdır, ancak daha az çekişme gösterebilir.

İadeler:

• oluşturulan Operation

Genel özellikler

Operation operation

 ResourceSparseApplyProximalAdagrad(
  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
)

 ResourceSparseApplyProximalAdagrad(
  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 ResourceSparseApplyProximalAdagrad::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)