tensorflow:: ops:: SparseApplyFtrlV2

#include <training_ops.h>

Zaktualizuj odpowiednie wpisy w '*var' zgodnie ze schematem Ftrl-proximal.

Streszczenie

W przypadku wierszy, dla których mamy grad, aktualizujemy var, accum i linear w następujący sposób: 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

Argumenty:

  • zakres: obiekt zakresu
  • var: Powinien pochodzić ze zmiennej Variable().
  • accum: Powinno pochodzić ze zmiennej Variable().
  • liniowy: powinien pochodzić ze zmiennej Variable().
  • grad: Gradient.
  • indeksy: Wektor indeksów do pierwszego wymiaru var i accum.
  • lr: Współczynnik skalowania. Musi być skalarem.
  • l1: Regularyzacja L1. Musi być skalarem.
  • l2: Regularyzacja skurczu L2. Musi być skalarem.
  • lr_power: Współczynnik skalowania. Musi być skalarem.

Atrybuty opcjonalne (patrz Attrs ):

  • use_locking: Jeśli True , aktualizacja tensorów var i accum będzie chroniona blokadą; w przeciwnym wypadku zachowanie jest niezdefiniowane, ale może wykazywać mniejszą niezgodność.

Zwroty:

  • Output : To samo co „var”.

Konstruktory i destruktory

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)

Atrybuty publiczne

operation
out

Funkcje publiczne

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

Publiczne funkcje statyczne

MultiplyLinearByLr (bool x)
UseLocking (bool x)

Struktury

tensorflow:: ops:: SparseApplyFtrlV2:: Attrs

Opcjonalne settery atrybutów dla SparseApplyFtrlV2 .

Atrybuty publiczne

działanie 

Operation operation

na zewnątrz 

::tensorflow::Output out

Funkcje publiczne

SparseApplyFtrlV2 

 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 

 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
)

węzeł 

::tensorflow::Node * node() const

operator::tensorflow::Input 

 operator::tensorflow::Input() const

operator::tensorflow::Output 

 operator::tensorflow::Output() const

Publiczne funkcje statyczne

Mnożenie liniowe przez LR 

Attrs MultiplyLinearByLr(
  bool x
)

Użyj blokady 

Attrs UseLocking(
  bool x
)