Sabit öğrenme oranına sahip FOBOS algoritması olarak seyrek güncelleme '*var'.
Yani, derecelendirdiğimiz satırlar için var'ı şu şekilde güncelleriz: $$prox_v = var - alpha grad$$$$var = sign(prox_v)/(1+alphal2) max{|prox_v|-alphal1,0}$$
İç İçe Sınıflar
sınıf | SparseApplyProximalGradientDescent.Options | SparseApplyProximalGradientDescent için isteğe bağlı özellikler |
Sabitler
Sicim | OP_NAME | Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı |
Genel Yöntemler
Çıkış <T> | Çıkış olarak () Tensörün sembolik tutamacını döndürür. |
static <T extends TType > SparseApplyProximalGradientDescent <T> | |
Çıkış <T> | dışarı () "Var" ile aynı. |
statik SparseApplyProximalGradientDescent.Options | useLocking (Boolean useLocking) |
Kalıtsal Yöntemler
Sabitler
genel statik son Dize OP_NAME
Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı
Genel Yöntemler
genel Çıkış <T> asOutput ()
Tensörün sembolik tutamacını döndürür.
TensorFlow işlemlerinin girdileri, başka bir TensorFlow işleminin çıktılarıdır. Bu yöntem, girişin hesaplanmasını temsil eden sembolik bir tanıtıcı elde etmek için kullanılır.
public static SparseApplyProximalGradientDescent <T> create ( Kapsam kapsamı, İşlenen <T> var, İşlenen <T> alfa, İşlenen <T> l1, İşlenen <T> l2, İşlenen <T> grad, İşlenen <? extends TNumber > indeksler, Seçenekler ... seçenekler)
Yeni bir SparseApplyProximalGradientDescent işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.
Parametreler
kapsam | mevcut kapsam |
---|---|
var | Bir Variable()'dan olmalıdır. |
alfa | Ölçeklendirme faktörü. Bir skaler olmalı. |
l1 | L1 düzenlemesi. Bir skaler olmalı. |
l2 | L2 düzenlemesi. Bir skaler olmalı. |
mezun | Gradyan. |
endeksler | var ve accum'un ilk boyutuna ait indekslerin bir vektörü. |
seçenekler | isteğe bağlı nitelik değerlerini taşır |
İade
- SparseApplyProximalGradientDescent'in yeni bir örneği
public static SparseApplyProximalGradientDescent.Options useLocking (Boolean useLocking)
Parametreler
KullanımKilitleme | True ise çıkarma işlemi bir kilitle korunacaktır; aksi takdirde davranış tanımsızdır ancak daha az çekişme sergileyebilir. |
---|