ورودی های به روز رسانی پراکنده در '*var' و '*accum' طبق الگوریتم FOBOS.
یعنی برای ردیف هایی که برای آنها grad داریم، var و accum را به صورت زیر به روز می کنیم: accum += grad grad prox_v = var prox_v -= lr grad (1 / sqrt(accum)) var = sign(prox_v)/(1+lr l2 ) حداکثر{|prox_v|-lr l1,0}
کلاس های تو در تو
کلاس | ResourceSparseApplyProximalAdagrad.Options | ویژگی های اختیاری برای ResourceSparseApplyProximalAdagrad |
ثابت ها
رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
static <T TType > ResourceSparseApplyProximalAdagrad را گسترش می دهد | |
Static ResourceSparseApplyProximalAdagrad.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 static ResourceSparseApplyProximalAdagrad ایجاد ( دامنه دامنه ، عملوند <?> var، عملوند <?> accum، عملوند <T> lr، عملوند <T> l1، عملوند <T> l2، عملوند <T> grad، عملوند <? گسترش TNumber > شاخص ها، گزینه ها ... گزینه ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات ResourceSparseApplyProximalAdagrad جدید را بسته بندی می کند.
مولفه های
محدوده | محدوده فعلی |
---|---|
var | باید از یک متغیر () باشد. |
تجمع | باید از یک متغیر () باشد. |
lr | میزان یادگیری باید اسکالر باشد. |
l1 | تنظیم L1. باید اسکالر باشد. |
l2 | تنظیم L2. باید اسکالر باشد. |
درجه | گرادیان. |
شاخص ها | بردار شاخص ها در بعد اول var و accum. |
گزینه ها | مقادیر ویژگی های اختیاری را حمل می کند |
برمی گرداند
- یک نمونه جدید از ResourceSparseApplyProximalAdagrad
Public Static ResourceSparseApplyProximalAdagrad.Options useLocking (useLocking بولی)
مولفه های
استفاده از قفل کردن | اگر درست باشد، بهروزرسانی تانسورهای 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. |
---|