tensorflow::ops::ResourceApplyProximalAdagrad

Adagrad öğrenme oranı kullanılarak FOBOS'a göre '*var' ve '*accum' değişkenlerini güncelleyin.

Özet

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

Argümanlar:

• kapsam: Bir Kapsam nesnesi
• var: Bir Variable() türünden gelmelidir.
• accum: Bir Variable() türünden gelmelidir.
• lr: Ölçeklendirme faktörü. Skaler bir değer olmalıdır.
• l1: L1 düzenlemesi. Skaler bir değer olmalıdır.
• l2: L2 düzenlemesi. Skaler bir değer olmalıdır.
• grad: Eğim.

İsteğe bağlı özellikler (bkz. Attrs ):

• use_locking: True olarak ayarlanırsa, var ve accum tensörlerinin güncellenmesi bir kilit ile korunacaktır; aksi takdirde davranış tanımsızdır, ancak daha az çekişme gösterebilir.

İadeler:

• oluşturulan Operation

Genel özellikler

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
)