Actualización dispersa '* var' como algoritmo FOBOS con tasa de aprendizaje fija.
Esto es para las filas que hemos Grad para, actualizamos var de la siguiente manera: $$prox_v = var - alpha grad$$$$var = sign(prox_v)/(1+alphal2) max{|prox_v|-alphal1,0}$$
Clases anidadas
clase | SparseApplyProximalGradientDescent.Options | Los atributos opcionales para SparseApplyProximalGradientDescent |
Constantes
Cuerda | OP_NAME | El nombre de esta operación, como lo conoce el motor central de TensorFlow |
Métodos públicos
Salida <T> | asOutput () Devuelve el identificador simbólico del tensor. |
estática <T se extiende Ttype > SparseApplyProximalGradientDescent <T> | |
Salida <T> | fuera () Igual que "var". |
estáticas SparseApplyProximalGradientDescent.Options | useLocking (Boolean useLocking) |
Métodos heredados
Constantes
OP_NAME pública final static String
El nombre de esta operación, como lo conoce el motor central de TensorFlow
Métodos públicos
pública de salida <T> asOutput ()
Devuelve el identificador simbólico del tensor.
Las entradas a las operaciones de TensorFlow son salidas de otra operación de TensorFlow. Este método se utiliza para obtener un identificador simbólico que representa el cálculo de la entrada.
public static SparseApplyProximalGradientDescent <T> Crear ( Alcance alcance, operando <T> var, operando <T> alfa, operando <T> L1, operando <T> L2, operando <T> graduado, operando <? extiende TNumber > índices, opciones ... opciones)
Método de fábrica para crear una clase que envuelva una nueva operación SparseApplyProximalGradientDescent.
Parámetros
alcance | alcance actual |
---|---|
var | Debe ser de una variable (). |
alfa | Factor de escala. Debe ser un escalar. |
l1 | Regularización L1. Debe ser un escalar. |
l2 | Regularización L2. Debe ser un escalar. |
graduado | El gradiente. |
índices | Un vector de índices en la primera dimensión de var y acum. |
opciones | lleva valores de atributos opcionales |
Devoluciones
- una nueva instancia de SparseApplyProximalGradientDescent
estáticas pública SparseApplyProximalGradientDescent.Options useLocking (booleano useLocking)
Parámetros
useLocking | Si es Verdadero, la resta estará protegida por un candado; de lo contrario, el comportamiento no está definido, pero puede presentar menos contención. |
---|