tensorflow :: ops :: ResourceSparseApplyFtrl

Ftrl-proximal 체계에 따라 '* var'의 관련 항목을 업데이트합니다.

요약

그것은 우리가 grad가있는 행을위한 것입니다. 우리는 다음과 같이 var, accum, linear를 업데이트합니다 : accum_new = accum + grad * grad linear + = grad-(accum_new ^ (-lr_power)-accum ^ (-lr_power)) / lr * var 2 차 = 1.0 / (accum_new ^ (lr_power) * lr) + 2 * l2 var = (sign (linear) * l1-linear) / 2 차 if | linear | > l1 그렇지 않으면 0.0 accum = accum_new

인수 :

• 범위 : 범위 개체
• var : Variable ()에서 가져와야합니다.
• accum : Variable ()에서 가져와야합니다.
• 선형 : Variable ()에서 가져와야합니다.
• grad : 그래디언트입니다.
• 인덱스 : var 및 accum의 첫 번째 차원에 대한 인덱스 벡터.
• lr : 배율. 스칼라 여야합니다.
• l1 : L1 정규화. 스칼라 여야합니다.
• l2 : L2 정규화. 스칼라 여야합니다.
• lr_power : 배율. 스칼라 여야합니다.

선택적 속성 ( Attrs 참조) :

• use_locking : True 이면 var 및 accum 텐서의 업데이트는 잠금으로 보호됩니다. 그렇지 않으면 동작이 정의되지 않지만 경합이 적을 수 있습니다.

보고:

• 생성 된 Operation

공용 속성

Operation operation

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

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

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)