ResourceSparseApplyProximalAdagrad

kelas akhir publik ResourceSparseApplyProximalAdagrad

Entri pembaruan yang jarang di '*var' dan '*accum' menurut algoritma FOBOS.

Itu untuk baris yang memiliki grad, kami memperbarui var dan accum sebagai berikut: accum += grad grad prox_v = var prox_v -= lr grad (1 / sqrt(accum)) var = sign(prox_v)/(1+lr l2 ) maks{|prox_v|-lr l1,0}

Kelas Bersarang

kelas ResourceSparseApplyProximalAdagrad.Options Atribut opsional untuk ResourceSparseApplyProximalAdagrad

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

statis <T memperluas TType > ResourceSparseApplyProximalAdagrad
buat ( Lingkup lingkup, Operand <?> var, Operand <?> accum, Operand <T> lr, Operand <T> l1, Operand <T> l2, Operand <T> grad, Operand <? extends TNumber > indeks, Opsi ... pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi ResourceSparseApplyProximalAdagrad baru.
ResourceSparseApplyProximalAdagrad.Options statis
useLocking (penguncian penggunaan Boolean)

Metode Warisan

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "ResourceSparseApplyProximalAdagrad"

Metode Publik

public static ResourceSparseApplyProximalAdagrad buat ( Ruang lingkup, Operan <?> var, Operan <?> accum, Operan <T> lr, Operan <T> l1, Operan <T> l2, Operan <T> grad, Operan <? extends TNumber > indeks, Opsi... opsi)

Metode pabrik untuk membuat kelas yang membungkus operasi ResourceSparseApplyProximalAdagrad baru.

Parameter
cakupan ruang lingkup saat ini
var Harus dari Variabel().
akumulasi Harus dari Variabel().
lr Kecepatan pembelajaran. Pasti skalar.
l1 Regularisasi L1. Pasti skalar.
l2 Regularisasi L2. Pasti skalar.
lulusan Gradien.
indeks Vektor indeks ke dalam dimensi pertama var dan accum.
pilihan membawa nilai atribut opsional
Kembali
  • contoh baru ResourceSparseApplyProximalAdagrad

ResourceSparseApplyProximalAdagrad.Options statis publik useLocking (Boolean useLocking)

Parameter
gunakan Penguncian Jika Benar, pembaruan tensor var dan accum akan dilindungi oleh kunci; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan.