"*var" را طبق طرح Ftrl-proximal به روز کنید.
grad_with_shrinkage = grad + 2 * l2_shrinkage * var accum_new = accum + grad_with_shrinkage * grad_with_shrinkage خطی += grad_with_shrinkage + (accum_new^(-lr_power) - accum^(-lr_power) - accum^(-lr_power) - accum^(-lr_r_power) - accum^(-lr_r) lr_power) * lr) + 2 * l2 var = (نشانه (خطی) * l1 - خطی) / درجه دوم اگر | خطی| > l1 other 0.0 accum = accum_new
کلاس های تو در تو
کلاس | ResourceApplyFtrl.Options | ویژگی های اختیاری برای ResourceApplyFtrl |
ثابت ها
رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
static <T TType > ResourceApplyFtrl را گسترش می دهد | |
استاتیک ResourceApplyFtrl.Options | multiplyLinearByLr (بولی multiplyLinearByLr) |
استاتیک ResourceApplyFtrl.Options | useLocking (قفل کردن استفاده بولی) |
روش های ارثی
ثابت ها
رشته نهایی ثابت عمومی OP_NAME
نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود
روش های عمومی
عمومی استاتیک ResourceApplyFtrl ایجاد ( دامنه دامنه ، عملوند <?> var، عملوند <?> accum، عملوند <?> خطی، عملوند <T> grad، عملوند <T> lr، عملوند <T> l1، عملوند <T> l2، Operand <T> l2Shrinkage، Operand <T> lrPower، Options... گزینهها)
روش کارخانه برای ایجاد کلاسی که یک عملیات ResourceApplyFtrl جدید را بسته بندی می کند.
مولفه های
محدوده | محدوده فعلی |
---|---|
var | باید از یک متغیر () باشد. |
تجمع | باید از یک متغیر () باشد. |
خطی | باید از یک متغیر () باشد. |
درجه | گرادیان. |
lr | ضریب پوسته پوسته شدن باید اسکالر باشد. |
l1 | تنظیم L1. باید اسکالر باشد. |
l2 | تنظیم انقباض L2. باید اسکالر باشد. |
lrPower | ضریب پوسته پوسته شدن باید اسکالر باشد. |
گزینه ها | مقادیر ویژگی های اختیاری را حمل می کند |
برمی گرداند
- یک نمونه جدید از ResourceApplyFtrl
Public Static ResourceApplyFtrl.Options useLocking (useLocking بولی)
مولفه های
استفاده از قفل کردن | اگر «درست» باشد، بهروزرسانی تانسور var و accum توسط یک قفل محافظت میشود. در غیر این صورت رفتار تعریف نشده است، اما ممکن است اختلاف کمتری از خود نشان دهد. |
---|