सार्वजनिक अंतिम वर्ग रिसोर्सस्पार्सएप्लाईप्रॉक्सिमलएडाग्रेड
FOBOS एल्गोरिथ्म के अनुसार '*var' और '*accum' में विरल अद्यतन प्रविष्टियाँ।
यानी उन पंक्तियों के लिए जिनके लिए हमारे पास ग्रेड है, हम var और accum को इस प्रकार अपडेट करते हैं: accum += grad grad prox_v = var prox_v -= lr grad (1 / sqrt(accum)) var = साइन(prox_v)/(1+lr l2 ) अधिकतम{|prox_v|-lr l1,0}
नेस्टेड क्लासेस
| कक्षा | रिसोर्सस्पार्सएप्लाईप्रॉक्सिमलएडाग्रेड.ऑप्शंस | ResourceSparseApplyProximalAdagrad के लिए वैकल्पिक विशेषताएँ | |
स्थिरांक
| डोरी | OP_NAME | इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है |
सार्वजनिक तरीके
| स्थिर <टी टीटाइप का विस्तार करता है > रिसोर्सस्पार्सएप्लाईप्रोक्सिमलएडाग्रेड | |
| स्थैतिक रिसोर्सस्पार्सएप्लाईप्रॉक्सिमलएडाग्रेड.ऑप्शंस | 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
स्थिर मान: "ResourceSparseApplyProximalAdagrad"
सार्वजनिक तरीके
सार्वजनिक स्थैतिक संसाधनSparseApplyProximalAdagrad बनाएं ( स्कोप स्कोप, ऑपरेंड <?> var, ऑपरेंड <?> accum, ऑपरेंड <T> lr, ऑपरेंड <T> l1, ऑपरेंड <T> l2, ऑपरेंड <T> ग्रेड, ऑपरेंड <? एक्सटेंड TNumber > सूचकांक, विकल्प... विकल्प)
एक नए रिसोर्सस्पार्सएप्लाईप्रोक्सिमलएडग्रेड 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। |
| एलआर | सीखने की दर। एक अदिश राशि होनी चाहिए. |
| एल1 | एल1 नियमितीकरण. एक अदिश राशि होनी चाहिए. |
| एल2 | L2 नियमितीकरण. एक अदिश राशि होनी चाहिए. |
| ग्रैड | ढाल. |
| सूचकांक | var और accum के पहले आयाम में सूचकांकों का एक वेक्टर। |
| विकल्प | वैकल्पिक गुण मान रखता है |
रिटर्न
- resourceSparseApplyProximalAdagrad का एक नया उदाहरण
सार्वजनिक स्थैतिक संसाधनSparseApplyProximalAdagrad.Options उपयोगलॉकिंग (बूलियन उपयोगलॉकिंग)
पैरामीटर
| लॉकिंग का उपयोग करें | यदि सत्य है, तो var और Accum Tensors का अद्यतनीकरण एक लॉक द्वारा सुरक्षित किया जाएगा; अन्यथा व्यवहार अपरिभाषित है, लेकिन कम विवाद प्रदर्शित कर सकता है। |
|---|