Pembaruan jarang '*var' sebagai algoritma FOBOS dengan kecepatan pembelajaran tetap.
Itu untuk baris yang memiliki gradasi, kami memperbarui var sebagai berikut: $$prox_v = var - alpha grad$$$$var = sign(prox_v)/(1+alphal2) max{|prox_v|-alphal1,0}$$
Kelas Bersarang
kelas | SparseApplyProximalGradientDescent.Options | Atribut opsional untuk SparseApplyProximalGradientDescent |
Konstanta
Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolis tensor. |
statis <T memperluas TType > SparseApplyProximalGradientDescent <T> | |
Keluaran <T> | keluar () Sama seperti "var". |
SparseApplyProximalGradientDescent.Options statis | useLocking (penguncian penggunaan Boolean) |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Metode Publik
Keluaran publik <T> sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
public static SparseApplyProximalGradientDescent <T> buat ( Lingkup cakupan , Operan <T> var, Operan <T> alpha, Operan <T> l1, Operan <T> l2, Operan <T> grad, Operan <? extends TNumber > indeks, Opsi ... pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi SparseApplyProximalGradientDescent baru.
Parameter
cakupan | ruang lingkup saat ini |
---|---|
var | Harus dari Variabel(). |
alfa | Faktor skala. 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 dari SparseApplyProximalGradientDescent
public static SparseApplyProximalGradientDescent.Options useLocking (Boolean useLocking)
Parameter
gunakan Penguncian | Jika Benar, pengurangan akan dilindungi oleh gembok; jika tidak, perilaku tersebut tidak terdefinisikan, namun mungkin menunjukkan lebih sedikit pertentangan. |
---|