tensorflow::ops::SparseApplyFtrl

#include <training_ops.h>

Mettez à jour les entrées pertinentes dans '*var' selon le schéma Ftrl-proximal.

Résumé

Pour les lignes pour lesquelles nous avons un gradient, nous mettons à jour var, accum et linear comme suit :

$$accum_new = accum + grad * grad$$
$$linear += grad + (accum_{new}^{-lr_{power} } - accum^{-lr_{power} } / lr * var$$
$$quadratic = 1.0 / (accum_{new}^{lr_{power} } * lr) + 2 * l2$$
$$var = (sign(linear) * l1 - linear) / quadratic\ if\ |linear| > l1\ else\ 0.0$$
$$accum = accum_{new}$$

Arguments :

  • portée : un objet Scope
  • var : Doit provenir d'une Variable().
  • accum : Doit provenir d'une variable().
  • linéaire : Doit provenir d'une variable().
  • grad : Le gradient.
  • indices : Un vecteur d'indices dans la première dimension de var et accum.
  • lr : Facteur d’échelle. Doit être un scalaire.
  • l1 : Régularisation L1. Doit être un scalaire.
  • l2 : Régularisation L2. Doit être un scalaire.
  • lr_power : Facteur d’échelle. Doit être un scalaire.

Attributs optionnels (voir Attrs ) :

  • use_locking : Si True , la mise à jour des tenseurs var et accum sera protégée par un verrou ; sinon, le comportement est indéfini, mais peut présenter moins de contention.

Retours :

  • Output : Identique à « var ».

Constructeurs et destructeurs

SparseApplyFtrl (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)
SparseApplyFtrl (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 SparseApplyFtrl::Attrs & attrs)

attributs publics

operation
out

fonctions publiques

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

fonctions statiques publiques

MultiplyLinearByLr (bool x)
UseLocking (bool x)

Structures

tensorflow::ops::SparseApplyFtrl::Attrs

Définiteurs d'attributs optionnels pour SparseApplyFtrl .

attributs publics

opération 

Operation operation

dehors 

::tensorflow::Output out

fonctions publiques

SparseApplyFtrl 

 SparseApplyFtrl(
  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
)

SparseApplyFtrl 

 SparseApplyFtrl(
  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 SparseApplyFtrl::Attrs & attrs
)

nœud 

::tensorflow::Node * node() const

opérateur::tensorflow::Entrée 

 operator::tensorflow::Input() const

opérateur::tensorflow::Sortie 

 operator::tensorflow::Output() const

fonctions statiques publiques

MultiplierLinéaireParLr 

Attrs MultiplyLinearByLr(
  bool x
)

Utiliser le verrouillage 

Attrs UseLocking(
  bool x
)