tensor akışı:: işlem:: KaynakSparseApplyFtrl

'*var' içindeki ilgili girişleri Ftrl-proximal şemasına göre güncelleyin.

Özet

Yani grad yaptığımız satırlar için var, accum ve lineer'ı şu şekilde güncelleriz: accum_new = accum + grad * grad lineer += grad - (accum_new^(-lr_power) - accum^(-lr_power)) / lr * var ikinci dereceden = 1,0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (sign(linear) * l1 - lineer) / ikinci dereceden eğer |linear| > l1 else 0.0 birikim = birikim_yeni

Argümanlar:

• kapsam: Bir Kapsam nesnesi
• var: Bir Variable()'dan olmalıdır.
• accum: Bir Variable()'dan olmalıdır.
• doğrusal: Bir Değişken()'den olmalıdır.
• grad: Gradyan.
• indeksler: var ve accum'un ilk boyutuna ait indekslerin bir vektörü.
• lr: Ölçeklendirme faktörü. Bir skaler olmalı.
• l1: L1 düzenlemesi. Bir skaler olmalı.
• l2: L2 düzenlemesi. Bir skaler olmalı.
• lr_power: Ölçekleme faktörü. Bir skaler olmalı.

İsteğe bağlı özellikler (bkz. Attrs ):

• use_locking: True ise, var ve accum tensörlerinin güncellenmesi bir kilitle korunacaktır; aksi takdirde davranış tanımsızdır ancak daha az çekişme sergileyebilir.

İadeler:

• oluşturulan Operation

Genel özellikler

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
)