tensorflow:: ops:: ResourceSparseApplyFtrl

Ftrl-প্রক্সিমাল স্কিম অনুযায়ী '*var'-এর প্রাসঙ্গিক এন্ট্রিগুলো আপডেট করুন।

সারসংক্ষেপ

অর্থাৎ, যে সারিগুলোর জন্য আমাদের grad আছে, সেগুলোর জন্য আমরা var, accum এবং linear নিম্নরূপে আপডেট করি: accum_new = accum + grad * grad linear += grad - (accum_new^(-lr_power) - accum^(-lr_power)) / lr * var quadratic = 1.0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (sign(linear) * l1 - linear) / quadratic if |linear| > l1 else 0.0 accum = accum_new

যুক্তি:

• স্কোপ: একটি স্কোপ অবজেক্ট
• var: Variable() থেকে আসা উচিত।
• accum: এটি একটি Variable() থেকে আসা উচিত।
• linear: এটি একটি Variable() থেকে আসা উচিত।
• grad: নতিমাত্রা।
• indices: var এবং accum-এর প্রথম ডাইমেনশনের সূচকসমূহের একটি ভেক্টর।
• lr: স্কেলিং ফ্যাক্টর। এটি অবশ্যই একটি স্কেলার হতে হবে।
• l1: L1 রেগুলারাইজেশন। অবশ্যই একটি স্কেলার হতে হবে।
• l2: L2 রেগুলারাইজেশন। অবশ্যই স্কেলার হতে হবে।
• lr_power: স্কেলিং ফ্যাক্টর। এটি অবশ্যই একটি স্কেলার হতে হবে।

ঐচ্ছিক অ্যাট্রিবিউটসমূহ (দেখুন Attrs ):

• use_locking: যদি True , তাহলে var এবং accum টেনসরগুলোর আপডেট একটি লক দ্বারা সুরক্ষিত থাকবে; অন্যথায় এর আচরণ অনির্ধারিত, তবে এতে কনটেনশন কম হতে পারে।

ফেরত:

• তৈরি করা Operation

জনসাধারণের বৈশিষ্ট্য

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
)