ورودی های مربوطه را در '*var' طبق طرح Ftrl-proximal به روز کنید.
یعنی برای ردیف هایی که برای آنها grad داریم، var، accum و linear را به صورت زیر به روز می کنیم: grad_with_shrinkage = grad + 2 * l2_shrinkage * var accum_new = accum + grad * grad linear += grad_with_shrinkage - (accum_new^(-lr_power -) (-lr_power)) / lr * var درجه دوم = 1.0 / (accum_new^(lr_power) * lr) + 2 * l2 var = (نشانه (خطی) * l1 - خطی) / درجه دوم اگر | خطی| > l1 other 0.0 accum = accum_new
کلاس های تو در تو
| کلاس | SparseApplyFtrl.Options | ویژگی های اختیاری برای SparseApplyFtrl | |
ثابت ها
| رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
| خروجی <T> | asOutput () دسته نمادین تانسور را برمی گرداند. |
| static <T TType > SparseApplyFtrl <T> را گسترش می دهد | ایجاد ( دامنه دامنه ، عملوند <T> var، عملوند <T> accum، عملوند <T> خطی، عملوند <T> درجه، عملوند <? گسترش می یابد TNumber > شاخص ها، عملوند <T> lr، عملوند <T> l1، عملوند <T> l2، Operand <T> l2Shrinkage، Operand <T> lrPower، Options... گزینه‌ها) روش کارخانه برای ایجاد کلاسی که یک عملیات جدید SparseApplyFtrl را بسته بندی می کند. |
| استاتیک SparseApplyFtrl.Options | multiplyLinearByLr (بولی multiplyLinearByLr) |
| خروجی <T> | بیرون () همان "var". |
| استاتیک SparseApplyFtrl.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
خروجی عمومی <T> asOutput ()
دسته نمادین تانسور را برمی گرداند.
ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.
عمومی استاتیک SparseApplyFtrl <T> ایجاد ( دامنه دامنه ، عملوند <T> var، عملوند <T> accum، عملوند <T> خطی، عملوند <T> grad، عملوند <? گسترش TNumber > شاخص‌ها، عملوند <T> lr، عملوند <T> l1، عملوند <T> l2، عملوند <T> l2Shrinkage، عملوند <T> lrPower، گزینه‌ها... گزینه‌ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات جدید SparseApplyFtrl را بسته بندی می کند.
مولفه های
| محدوده | محدوده فعلی |
|---|---|
| var | باید از یک متغیر () باشد. |
| تجمع | باید از یک متغیر () باشد. |
| خطی | باید از یک متغیر () باشد. |
| درجه | گرادیان. |
| شاخص ها | بردار شاخص ها در بعد اول var و accum. |
| lr | ضریب پوسته پوسته شدن باید اسکالر باشد. |
| l1 | تنظیم L1. باید اسکالر باشد. |
| l2 | تنظیم انقباض L2. باید اسکالر باشد. |
| lrPower | ضریب پوسته پوسته شدن باید اسکالر باشد. |
| گزینه ها | مقادیر ویژگی های اختیاری را حمل می کند |
برمی گرداند
- یک نمونه جدید از SparseApplyFtrl
عمومی استاتیک SparseApplyFtrl. Options useLocking (useLocking بولی)
مولفه های
| استفاده از قفل کردن | اگر «درست» باشد، به‌روزرسانی تانسور 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. |
|---|