tensorflow::ops::SparseApplyProximalGradientDescent

Cập nhật thưa thớt '*var' dưới dạng thuật toán FOBOS với tốc độ học cố định.

Bản tóm tắt

Đối với những hàng mà chúng ta đã có dữ liệu về bậc học, chúng ta cập nhật biến như sau: $$prox_v = var - alpha * grad$$ $$var = sign(prox_v)/(1+alpha*l2) * max{|prox_v|-alpha*l1,0}$$

Luận điểm:

• phạm vi: Một đối tượng Phạm vi
• var: Nên được lấy từ một biến Variable().
• alpha: Hệ số tỷ lệ. Phải là một số vô hướng.
• l1: Chuẩn hóa L1. Phải là một giá trị vô hướng.
• l2: Chuẩn hóa L2. Phải là một giá trị vô hướng.
• grad: Độ dốc.
• chỉ số: Một vectơ các chỉ số vào chiều thứ nhất của var và accum.

Các thuộc tính tùy chọn (xem Attrs ):

• use_locking: Nếu True, phép trừ sẽ được bảo vệ bằng khóa; ngược lại, hành vi không được xác định, nhưng có thể ít xảy ra xung đột hơn.

Trả về:

• Output : Giống như "var".

Thuộc tính công khai

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
)