tensorflow:: ops:: SparseApplyProximalGradientDescent

고정 학습률을 사용하는 FOBOS 알고리즘으로 희소 업데이트 '*var'를 수행합니다.

요약

즉, grad 값이 있는 행의 경우 다음과 같이 변수를 업데이트합니다. $$prox_v = var - alpha * grad$$ $$var = sign(prox_v)/(1+alpha*l2) * max{|prox_v|-alpha*l1,0}$$

논거:

• 범위: Scope 객체
• var: Variable()에서 가져온 값이어야 합니다.
• 알파: 스케일링 계수. 스칼라 값이어야 합니다.
• l1: L1 정규화. 스칼라 값이어야 합니다.
• l2: L2 정규화. 스칼라 값이어야 합니다.
• grad: 기울기.
• 인덱스: var와 accum의 첫 번째 차원에 대한 인덱스 벡터입니다.

선택적 속성( Attrs 참조):

• use_locking: True로 설정하면 뺄셈 연산이 락으로 보호됩니다. 그렇지 않으면 동작은 정의되지 않지만, 경합이 줄어들 수 있습니다.

보고:

• Output : "var"와 동일합니다.

공개 속성

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
)