텐서플로우:: ops:: SparseApplyFtrlV2

Ftrl-근접 체계에 따라 '*var'의 관련 항목을 업데이트합니다.

요약

즉, grad 값이 있는 행에 대해 var, accum, linear 값을 다음과 같이 업데이트합니다. grad_with_shrinkage = grad + 2 * l2_shrinkage * var accum_new = accum + grad * grad linear += grad_with_shrinkage - (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

논거:

• 범위: Scope 객체
• var: Variable()에서 가져온 값이어야 합니다.
• accum: Variable()에서 가져와야 합니다.
• 선형: Variable()에서 가져온 값이어야 합니다.
• grad: 기울기.
• 인덱스: var와 accum의 첫 번째 차원에 대한 인덱스 벡터입니다.
• lr: 스케일링 계수. 스칼라 값이어야 합니다.
• l1: L1 정규화. 스칼라 값이어야 합니다.
• l2: L2 수축 ​​정규화. 스칼라 값이어야 합니다.
• lr_power: 스케일링 계수. 스칼라 값이어야 합니다.

선택적 속성( Attrs 참조):

• use_locking: True 로 설정하면 변수 및 누적 텐서 업데이트가 락으로 보호됩니다. 그렇지 않으면 동작이 정의되지 않지만 경합이 줄어들 수 있습니다.

보고:

• Output : "var"와 동일합니다.

공개 속성

Operation operation

::tensorflow::Output out

 SparseApplyFtrlV2(
  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 l2_shrinkage,
  ::tensorflow::Input lr_power
)

 SparseApplyFtrlV2(
  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 l2_shrinkage,
  ::tensorflow::Input lr_power,
  const SparseApplyFtrlV2::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs MultiplyLinearByLr(
  bool x
)

Attrs UseLocking(
  bool x
)