পাবলিক ফাইনাল ক্লাস রিসোর্সস্পারসঅ্যাপ্লাইপ্রক্সিমালঅ্যাডাগ্রাড
FOBOS অ্যালগরিদম অনুযায়ী '*var' এবং '*accum'-এ স্পারস আপডেট এন্ট্রি।
যে সারিগুলির জন্য আমাদের গ্র্যাড আছে, আমরা var আপডেট করি এবং নিম্নরূপ accum: accum += grad grad prox_v = var prox_v -= lr grad (1 / sqrt(accum)) var = sign(prox_v)/(1+lr l2 ) সর্বোচ্চ{|prox_v|-lr l1,0}
নেস্টেড ক্লাস
| ক্লাস | ResourceSparseApplyProximalAdagrad.Options | ResourceSparseApplyProximalAdagrad এর জন্য ঐচ্ছিক বৈশিষ্ট্য | |
ধ্রুবক
| স্ট্রিং | OP_NAME | এই অপের নাম, টেনসরফ্লো কোর ইঞ্জিন দ্বারা পরিচিত |
পাবলিক পদ্ধতি
| স্ট্যাটিক <T TType প্রসারিত করে > ResourceSparseApplyProximalAdagrad | |
| স্ট্যাটিক রিসোর্সস্পারসঅ্যাপ্লাইপ্রক্সিমালঅ্যাডাগ্রাড.অপশন | ইউজ লকিং (বুলিয়ান ইউজ লকিং) |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
ধ্রুবক
সর্বজনীন স্ট্যাটিক চূড়ান্ত স্ট্রিং OP_NAME
এই অপের নাম, টেনসরফ্লো কোর ইঞ্জিন দ্বারা পরিচিত
ধ্রুবক মান: "ResourceSparseApplyProximalAdagrad"
পাবলিক পদ্ধতি
পাবলিক স্ট্যাটিক রিসোর্সস্পারসঅ্যাপ্লাইপ্রক্সিমালঅ্যাডাগ্রাড তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <?> var, অপারেন্ড <?> accum, Operand <T> lr, Operand <T> l1, Operand <T> l2, Operand <T> grad, Operand <? প্রসারিত TNumber > সূচক, বিকল্প... বিকল্প)
একটি নতুন ResourceSparseApplyProximalAdagrad অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।
পরামিতি
| সুযোগ | বর্তমান সুযোগ |
|---|---|
| var | একটি পরিবর্তনশীল() থেকে হওয়া উচিত। |
| accum | একটি পরিবর্তনশীল() থেকে হওয়া উচিত। |
| lr | শেখার হার। একটি স্কেলার হতে হবে। |
| l1 | L1 নিয়মিতকরণ। একটি স্কেলার হতে হবে। |
| l2 | L2 নিয়মিতকরণ। একটি স্কেলার হতে হবে। |
| স্নাতক | গ্রেডিয়েন্ট। |
| সূচক | var এবং accum-এর প্রথম মাত্রায় সূচকগুলির একটি ভেক্টর। |
| বিকল্প | ঐচ্ছিক বৈশিষ্ট্য মান বহন করে |
রিটার্নস
- ResourceSparseApplyProximalAdagrad এর একটি নতুন উদাহরণ
পাবলিক স্ট্যাটিক রিসোর্সস্পারসঅ্যাপ্লাইপ্রক্সিমালঅ্যাডাগ্রাড । অপশন ইউজ লকিং (বুলিয়ান ইউজ লকিং)
পরামিতি
| লকিং ব্যবহার করুন | সত্য হলে, var এবং accum tensors আপডেট করা একটি লক দ্বারা সুরক্ষিত হবে; অন্যথায় আচরণটি অনির্ধারিত, তবে কম বিরোধ প্রদর্শন করতে পারে। |
|---|