Ftrl-प्रॉक्सिमल योजना के अनुसार '*var' को अपडेट करें।
ग्रेड_विथ_श्रिंकेज = ग्रेड + 2 * एल2_श्रिंकेज * वर एक्युम_न्यू = एक्यूम + ग्रेड_विद_श्रिंकेज * ग्रेड_विथ_श्रिंकेज लीनियर + = ग्रेड_विद_श्रिंकेज + (accum_new^(-lr_power) - accum^(-lr_power)) / lr * var क्वाड्रैटिक = 1.0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (चिह्न(रैखिक) * l1 - रैखिक) / द्विघात यदि |रैखिक| > एल1 अन्यथा 0.0 संचय = संचय_नया
नेस्टेड क्लासेस
कक्षा | रिसोर्सअप्लाईFtrl.ऑप्शंस | ResourceApplyFtrl के लिए वैकल्पिक विशेषताएँ |
स्थिरांक
डोरी | OP_NAME | इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है |
सार्वजनिक तरीके
स्थिर <T टीटाइप का विस्तार करता है > रिसोर्सएप्लाईFtrl | |
स्थैतिक संसाधनApplyFtrl.विकल्प | multipleLinearByLr (बूलियन मल्टिलीनियरByLr) |
स्थैतिक संसाधनApplyFtrl.विकल्प | यूज़लॉकिंग (बूलियन यूज़लॉकिंग) |
विरासत में मिली विधियाँ
स्थिरांक
सार्वजनिक स्थैतिक अंतिम स्ट्रिंग OP_NAME
इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है
सार्वजनिक तरीके
सार्वजनिक स्थैतिक रिसोर्सएप्लाईएफटीआरएल बनाएं ( स्कोप स्कोप, ऑपरेंड <?> var, ऑपरेंड <?> जमा, ऑपरेंड <?> लीनियर, ऑपरेंड <T> ग्रेड, ऑपरेंड <T> एलआर, ऑपरेंड <T> l1, ऑपरेंड <T> l2, ऑपरेंड <T> l2श्रिंकेज, ऑपरेंड <T> lrपावर, विकल्प... विकल्प)
एक नए रिसोर्सएप्लाईएफटीआरएल ऑपरेशन को लपेटकर एक क्लास बनाने की फ़ैक्टरी विधि।
पैरामीटर
दायरा | वर्तमान दायरा |
---|---|
वर | एक वेरिएबल() से होना चाहिए। |
जमा | एक वेरिएबल() से होना चाहिए। |
रेखीय | एक वेरिएबल() से होना चाहिए। |
ग्रैड | ढाल. |
एलआर | मापन कारक। एक अदिश राशि होनी चाहिए. |
एल1 | एल1 नियमितीकरण. एक अदिश राशि होनी चाहिए. |
एल2 | L2 सिकुड़न नियमितीकरण. एक अदिश राशि होनी चाहिए. |
एलआरपावर | मापन कारक। एक अदिश राशि होनी चाहिए. |
विकल्प | वैकल्पिक गुण मान रखता है |
रिटर्न
- resourceApplyFtrl का एक नया उदाहरण
सार्वजनिक स्थैतिक संसाधनApplyFtrl.ऑप्शंस यूज़लॉकिंग (बूलियन यूज़लॉकिंग)
पैरामीटर
लॉकिंग का उपयोग करें | यदि `सही` है, तो var और Accum Tensors का अद्यतनीकरण एक लॉक द्वारा संरक्षित किया जाएगा; अन्यथा व्यवहार अपरिभाषित है, लेकिन कम विवाद प्रदर्शित कर सकता है। |
---|