tensorflow :: ops :: ResourceSparseApplyFtrl

Ftrl proksimal şemasına göre '* var' içindeki ilgili girişleri güncelleyin.

Özet

Yani, derecelendirdiğimiz satırlar için var, birik ve doğrusal şu ​​şekilde güncellenir: birik_yeni = birikim + derece * derece doğrusal + = derece ikinci dereceden = 1.0 / (birikimli_yeni ^ (lr_power) * lr) + 2 * l2 var = (işaret (doğrusal) * l1 - doğrusal) / ikinci dereceden eğer | doğrusal | > l1 else 0.0 biriktirme = birik_yeni

Argümanlar:

• kapsam: Bir Scope nesnesi
• var: Değişken () 'den olmalıdır.
• birikim: Bir Değişken () 'den olmalıdır.
• doğrusal: Bir Değişken'den () olmalıdır.
• grad: Gradyan.
• indisler: var ve akümül'ün ilk boyutundaki indislerin bir vektörü.
• lr: Ölçekleme faktörü. Skaler olmalı.
• l1: L1 düzenlenmesi. Skaler olmalı.
• l2: L2 düzenlenmesi. Skaler olmalı.
• lr_power: Ölçekleme faktörü. Skaler olmalı.

İsteğe bağlı özellikler (bkz. Attrs ):

• use_locking: True ise, var ve akümülörlerin güncellenmesi bir kilit ile korunacaktır; aksi takdirde davranış tanımsızdır, ancak daha az çekişme gösterebilir.

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
)