tensorflow::ops::ResourceSparseApplyFtrl

Aggiorna le voci pertinenti in '*var' secondo lo schema prossimale Ftrl.

Riepilogo

Questo vale per le righe per cui abbiamo grad, aggiorniamo var, accum e linear come segue: 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

Argomentazioni:

• ambito: un oggetto Scope
• var: Dovrebbe provenire da una Variable().
• accumula: Dovrebbe provenire da una Variabile().
• lineare: Dovrebbe provenire da una Variabile().
• grad: Il gradiente.
• indici: Un vettore di indici nella prima dimensione di var e accum.
• lr: Fattore di scala. Deve essere uno scalare.
• l1: Regolarizzazione L1. Deve essere uno scalare.
• l2: Regolarizzazione L2. Deve essere uno scalare.
• lr_power: Fattore di scala. Deve essere uno scalare.

Attributi opzionali (vedere Attrs ):

• use_locking: Se True , l'aggiornamento dei tensori var e accum sarà protetto da un blocco; altrimenti il ​​comportamento non è definito, ma potrebbe presentare una minore contesa.

Resi:

• l' Operation creata

attributi pubblici

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
)