tensorflow:: ops:: ResourceApplyProximalAdagrad

Adagrad लर्निंग रेट के साथ FOBOS के अनुसार '*var' और '*accum' को अपडेट करें।

सारांश

संचय += grad * grad प्रॉक्स_v = var - lr * grad * (1 / sqrt(संचय)) var = sign(प्रॉक्स_v)/(1+lr*l2) * max{|प्रॉक्स_v|-lr*l1,0}

तर्क:

• स्कोप: एक स्कोप ऑब्जेक्ट
• var: यह एक Variable() से होना चाहिए।
• संचय: यह एक वेरिएबल() से होना चाहिए।
• lr: स्केलिंग फैक्टर। यह एक स्केलर होना चाहिए।
• l1: L1 नियमितीकरण। यह एक अदिश राशि होनी चाहिए।
• l2: L2 नियमितीकरण। यह एक अदिश राशि होनी चाहिए।
• ग्रेड: प्रवणता।

वैकल्पिक विशेषताएँ (देखें Attrs ):

• use_locking: यदि True है, तो var और accum टेंसरों का अद्यतन एक लॉक द्वारा सुरक्षित किया जाएगा; अन्यथा व्यवहार अपरिभाषित है, लेकिन कम टकराव प्रदर्शित कर सकता है।

प्रतिफल:

• निर्मित Operation

सार्वजनिक विशेषताएँ

Operation operation

 ResourceApplyProximalAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad
)

 ResourceApplyProximalAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad,
  const ResourceApplyProximalAdagrad::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)