Perbarui '*var' sesuai dengan skema Ftrl-proksimal.
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 kuadrat = 1.0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (tanda(linier) * l1 - linier) / kuadrat jika |linier| > l1 lain 0,0 akumulasi = akumulasi_baru
Kelas Bersarang
kelas | TerapkanFtrl.Opsi | Atribut opsional untuk ApplyFtrl |
Konstanta
Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolis tensor. |
statis <T memperluas TType > ApplyFtrl <T> | |
ApplyFtrl.Options statis | berkembang biakLinearByLr (Boolean berkembang biakLinearByLr) |
Keluaran <T> | keluar () Sama seperti "var". |
ApplyFtrl.Options statis | useLocking (penguncian penggunaan Boolean) |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Metode Publik
Keluaran publik <T> sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
public static ApplyFtrl <T> buat ( Lingkup lingkup, Operand <T> var, Operand <T> accum, Operand <T> linear, Operand <T> grad, Operand <T> lr, Operand <T> l1, Operand <T > l2, Operan <T> l2Penyusutan, Operan <T> lrPower, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi ApplyFtrl baru.
Parameter
cakupan | ruang lingkup saat ini |
---|---|
var | Harus dari Variabel(). |
akumulasi | Harus dari Variabel(). |
linier | Harus dari Variabel(). |
lulusan | Gradien. |
lr | Faktor skala. Pasti skalar. |
l1 | Regularisasi L1. Pasti skalar. |
l2 | Regularisasi penyusutan L2. Pasti skalar. |
lrKekuatan | Faktor skala. Pasti skalar. |
pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru dari ApplyFtrl
ApplyFtrl.Options useLocking statis publik (Boolean useLocking)
Parameter
gunakan Penguncian | Jika `True`, pembaruan tensor var dan accum akan dilindungi oleh kunci; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan. |
---|