tensorflow::ops::ResourceApplyProximalAdagrad

อัปเดตค่า '*var' และ '*accum' ตาม FOBOS โดยใช้ Adagrad learning rate

สรุป

accum += grad * grad prox_v = var - lr * grad * (1 / sqrt(accum)) var = sign(prox_v)/(1+lr*l2) * max{|prox_v|-lr*l1,0}

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• var: ควรมาจาก Variable()
• accum: ควรมาจาก Variable()
• lr: ตัวคูณปรับขนาด ต้องเป็นค่าคงที่
• l1: การปรับค่า L1 ต้องเป็นค่าสเกลาร์
• l2: การปรับค่า L2 ต้องเป็นค่าสเกลาร์
• grad: ค่าความชัน

คุณลักษณะเสริม (ดูที่ Attrs ):

• use_locking: หากตั้งค่าเป็น True การอัปเดตเทนเซอร์ var และ accum จะได้รับการป้องกันด้วยการล็อก มิเช่นนั้นพฤติกรรมจะไม่แน่นอน แต่การแย่งชิงทรัพยากรอาจน้อยลง

การส่งคืนสินค้า:

• Operation ที่สร้างขึ้น

คุณลักษณะสาธารณะ

Operation operation

 ResourceApplyProximalAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad
)

 ResourceApplyProximalAdagrad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input var,
  ::tensorflow::Input accum,
  ::tensorflow::Input lr,
  ::tensorflow::Input l1,
  ::tensorflow::Input l2,
  ::tensorflow::Input grad,
  const ResourceApplyProximalAdagrad::Attrs & attrs
)

 operator::tensorflow::Operation() const 

Attrs UseLocking(
  bool x
)