tensorflow:: ops:: ResourceSparseApplyFtrl

עדכון ערכים רלוונטיים ב-'*var' בהתאם לסכימה Ftrl-proximal.

תַקצִיר

כלומר, עבור שורות שיש לנו grad עבורן, אנו מעדכנים את var, accum ו-linear באופן הבא: 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

טיעונים:

• היקף: אובייקט היקף
• var: צריך להיות מתוך Variable().
• accum: צריך להיות מ-Variable().
• ליניארי: צריך להיות מ-Variable().
• גראד: הגרדיאנט.
• אינדקסים: וקטור של אינדקסים לתוך המימד הראשון של var ו- accum.
• lr: גורם קנה מידה. חייב להיות סקלרי.
• l1: רגולריזציה של L1. חייב להיות סקלרי.
• l2: רגולריזציה של L2. חייב להיות סקלרי.
• lr_power: גורם קנה מידה. חייב להיות סקלרי.

מאפיינים אופציונליים (ראה Attrs ):

• use_locking: אם True , עדכון הטנזורים var ו-accum יהיה מוגן על ידי נעילה; אחרת ההתנהגות אינה מוגדרת, אך עשויה להפגין פחות תחרות.

החזרות:

• Operation שנוצרה

מאפיינים ציבוריים

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
)