tensorflow:: ops:: SparseApplyProximalAdagrad

FOBOSアルゴリズムに従って、'*var'と'*accum'に疎な更新エントリが格納されます。

まとめ

これは、grad が利用可能な行について、var と accum を次のように更新する場合です。 $$accum += grad * grad$$ $$prox_v = var$$ $$prox_v -= lr * grad * (1 / sqrt(accum))$$ $$var = sign(prox_v)/(1+lr*l2) * max{|prox_v|-lr*l1,0}$$

議論:

• スコープ:スコープオブジェクト
• var: Variable() から取得する必要があります。
• accum: Variable() から取得する必要があります。
• lr: 学習率。スカラー値である必要があります。
• l1: L1正則化。スカラー値である必要があります。
• l2: L2正則化。スカラー値である必要があります。
• grad: 勾配。
• インデックス: var と accum の第 1 次元へのインデックスのベクトル。

オプション属性（ Attrs参照）：

• use_locking: Trueの場合、varおよびaccumテンソルの更新はロックによって保護されます。それ以外の場合は動作は未定義ですが、競合が少なくなる可能性があります。

返品:

• Output : "var" と同じです。

公開属性

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
)