Atualização esparsa '*var' como algoritmo FOBOS com taxa de aprendizagem fixa.
Ou seja, para as linhas para as quais temos graduação, atualizamos var da seguinte forma: $$prox_v = var - alpha grad$$$$var = sign(prox_v)/(1+alphal2) max{|prox_v|-alphal1,0}$$
Classes aninhadas
aula | SparseApplyProximalGradientDescent.Options | Atributos opcionais para SparseApplyProximalGradientDescent |
Constantes
Corda | OP_NAME | O nome desta operação, conforme conhecido pelo mecanismo principal do TensorFlow |
Métodos Públicos
Saída <T> | asOutput () Retorna o identificador simbólico do tensor. |
estático <T estende TType > SparseApplyProximalGradientDescent <T> | |
Saída <T> | fora () O mesmo que "var". |
estático SparseApplyProximalGradientDescent.Options | useLocking (booleano useLocking) |
Métodos herdados
Constantes
String final estática pública OP_NAME
O nome desta operação, conforme conhecido pelo mecanismo principal do TensorFlow
Métodos Públicos
Saída pública <T> asOutput ()
Retorna o identificador simbólico do tensor.
As entradas para operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.
public static SparseApplyProximalGradientDescent <T> create ( Escopo escopo, Operando <T> var, Operando <T> alfa, Operando <T> l1, Operando <T> l2, Operando <T> grad, Operando <? estende TNumber > índices, Opções ... opções)
Método de fábrica para criar uma classe que envolve uma nova operação SparseApplyProximalGradientDescent.
Parâmetros
escopo | escopo atual |
---|---|
var | Deve ser de uma variável(). |
alfa | Fator de escala. Deve ser um escalar. |
l1 | Regularização L1. Deve ser um escalar. |
l2 | Regularização L2. Deve ser um escalar. |
graduado | O gradiente. |
índices | Um vetor de índices na primeira dimensão de var e accum. |
opções | carrega valores de atributos opcionais |
Devoluções
- uma nova instância de SparseApplyProximalGradientDescent
público estático SparseApplyProximalGradientDescent.Options useLocking (booleano useLocking)
Parâmetros
useLocking | Se for True, a subtração será protegida por um cadeado; caso contrário, o comportamento será indefinido, mas poderá apresentar menos contenção. |
---|