tensorflow::ops::ResourceSparseApplyFtrl

Mettez à jour les entrées pertinentes dans '*var' selon le schéma Ftrl-proximal.

Résumé

Pour les lignes pour lesquelles nous avons un gradient, nous mettons à jour var, accum et linear comme suit : 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 si |linear| > l1 sinon 0.0 accum = accum_new

Arguments :

• portée : un objet Scope
• var : Doit provenir d'une Variable().
• accum : Doit provenir d'une variable().
• linéaire : Doit provenir d'une variable().
• grad : Le gradient.
• indices : Un vecteur d'indices dans la première dimension de var et accum.
• lr : Facteur d’échelle. Doit être un scalaire.
• l1 : Régularisation L1. Doit être un scalaire.
• l2 : Régularisation L2. Doit être un scalaire.
• lr_power : Facteur d’échelle. Doit être un scalaire.

Attributs optionnels (voir Attrs ) :

• use_locking : Si True , la mise à jour des tenseurs var et accum sera protégée par un verrou ; sinon, le comportement est indéfini, mais peut présenter moins de contention.

Retours :

• l' Operation créée

attributs publics

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
)