tensorflow::ops::SparseApplyProximalGradientDescent

Atualização esparsa de '*var' como algoritmo FOBOS com taxa de aprendizado fixa.

Resumo

Isso significa que, para as linhas que temos a graduação, atualizamos a variável da seguinte forma: $$prox_v = var - alpha * grad$$ $$var = sign(prox_v)/(1+alpha*l2) * max{|prox_v|-alpha*l1,0}$$

Argumentos:

• escopo: Um objeto de escopo
• var: Deve ser proveniente de uma variável().
• alfa: Fator de escala. Deve ser um escalar.
• l1: Regularização L1. Deve ser um escalar.
• l2: Regularização L2. Deve ser um escalar.
• grad: O gradiente.
• índices: Um vetor de índices na primeira dimensão de var e accum.

Atributos opcionais (ver Attrs ):

• use_locking: Se True, a subtração será protegida por um bloqueio; caso contrário, o comportamento é indefinido, mas pode apresentar menos contenção.

Devoluções:

• Output : Igual a "var".

Atributos públicos

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
)